Python用嵌套列表创建矩阵的基础方法

在 Python 原生环境中，标准库并没有专门提供像 C 语言二维数组那样直接的矩阵数据类型。开发者通常使用“嵌套列表”（Nested Lists）来模拟二维矩阵：将外层列表视为行的集合，其中的每个内层列表视为一行数据，内层列表的每个元素则对应各个列单元格。本文将详细讲解使用嵌套列表构建矩阵的三种基础途径、读写坐标与尺寸计算方法，并重点剖析初学者极易踩坑的乘法浅拷贝陷阱。

一、核心概念：嵌套列表与二维矩阵的映射

要掌握矩阵的创建，首先需要建立直观的逻辑映射。所谓嵌套列表，即列表中的元素本身也是列表。在表示二维矩阵时，普遍采用“行优先”（Row-Major）的对应关系：

• 外层列表：长度代表矩阵的总行数（rows）。外层列表的第 i 个元素就是矩阵的第 i 行。
• 内层列表：长度代表矩阵的总列数（cols）。每个内层列表保存该行中从左到右的所有列值。
• 坐标索引：通过两次连续的下标索引 matrix[row_index][col_index] 访问特定位置。Python 索引统一从 0 开始。

二、方法一：直接字面量声明

当矩阵的规模较小、初始元素已知且固定时，最清晰直观的做法就是直接使用字面量定义。将各个内层列表用中括号包裹，并以外层中括号聚合。

# 示例：直接定义一个 3 行 3 列的固定矩阵
matrix = [
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
]

# 访问元素
print("第 0 行第 1 列的值为:", matrix[0][1])  # 示例输出: 2
print("第 2 行第 2 列的值为:", matrix[2][2])  # 示例输出: 9

# 修改元素
matrix[1][1] = 99
print("修改后的第 1 行:", matrix[1])        # 示例输出: [4, 99, 6]

这种方法编写简单、排版整齐，常用于单元测试、算法题初始化常量测试用例，或者坐标转换矩阵的硬编码定义。但当矩阵尺寸是由程序运行时的动态参数（如行数 m、列数 n）决定时，字面量书写就无法满足需求，必须采用动态生成方式。

三、方法二：列表推导式动态构建（标准推荐方法）

在实际编程中，最普遍的需求是创建一个指定行数 rows 和列数 cols，且所有位置都填充默认初值（如 0）的矩阵。在 Python 中，列表推导式（List Comprehension）是完成此任务兼具高效、优雅且无副作用的推荐途径。

1. 常用推导式语法

rows = 3
cols = 4

# 方式 A：内层列表使用乘法，外层使用推导式迭代（最常用写法）
matrix = [[0] * cols for _ in range(rows)]

# 方式 B：双层嵌套列表推导式（完全显式展开）
matrix_explicit = [[0 for _ in range(cols)] for _ in range(rows)]

# 验证生成结果
print("生成的矩阵:")
for row in matrix:
    print(row)

# 示例输出:
# [0, 0, 0, 0]
# [0, 0, 0, 0]
# [0, 0, 0, 0]

这里的关键在于外层的 for _ in range(rows)。在每一次循环迭代中，Python 都会重新计算并生成一个全新的、拥有独立内存地址的内层列表，然后将这 rows 个互不相干的列表收集装入外层列表中。

四、关键陷阱辨析：为什么绝对不能用 [[0] * n] * m？

很多 Python 初学者在了解 [0] * 3 会生成 [0, 0, 0] 之后，会非常自然地写出以下代码：

# ❌ 错误示范：极其隐蔽的浅拷贝陷阱
rows = 3
cols = 3
bad_matrix = [[0] * cols] * rows

print(bad_matrix)
# 打印结果看似完全正常: [[0, 0, 0], [0, 0, 0], [0, 0, 0]]

初看控制台输出，确实是 3 行 3 列全 0 矩阵。然而，当你尝试修改任意一个具体单元格时，意外就会发生：

# 尝试仅修改第 0 行第 0 列为 1
bad_matrix[0][0] = 1

print("修改后的 bad_matrix:")
for r in bad_matrix:
    print(r)

# 实际控制台输出：
# [1, 0, 0]
# [1, 0, 0]
# [1, 0, 0]  <-- 每一行的第 0 列竟然全都被修改了！

五、方法三：循环遍历与动态添加（从空列表构建）

当矩阵的初值并非固定的常量，而是依赖复杂的数学公式计算得出，或者需要从外部文件、用户标准输入流逐行流式解析时，常规的 for 循环搭配 append() 是最具扩展性的写法。

rows = 3
cols = 4
matrix = []

for r in range(rows):
    # 步骤 1：为当前行创建一个全新的空列表
    current_row = []
    for c in range(cols):
        # 步骤 2：根据行号和列号计算数值并追加
        value = r * cols + c + 1
        current_row.append(value)
    # 步骤 3：将构建完毕的行加入外部矩阵
    matrix.append(current_row)

print("动态递增填充的矩阵:")
for row in matrix:
    print(row)

# 示例输出:
# [1, 2, 3, 4]
# [5, 6, 7, 8]
# [9, 10, 11, 12]

该方法的逻辑与列表推导式完全一致，好处在于代码步步清晰，利于在内层循环中插入条件分支、数据清洗或异常校验逻辑。

六、矩阵的基本操作与边界注意事项

掌握了创建方法后，在后续使用嵌套列表矩阵时，还应遵守以下几条核心操作规范：

1. 动态获取矩阵的行列尺寸

在编写矩阵算法（如求转置、矩阵乘法、遍历搜索）时，通常需要先获取矩阵的规格：

# 获取行数
num_rows = len(matrix)

# 获取列数（前提是矩阵非空，且每一行长度规整）
num_cols = len(matrix[0]) if num_rows > 0 else 0

print(f"矩阵规格为：{num_rows} 行 × {num_cols} 列")

2. 防止越界与行先列后原则

始终牢记第一维索引对应行（row），第二维索引对应列（col）。初学者容易习惯性将其写成笛卡尔坐标系的 matrix[x][y]，从而颠倒了行列顺序，导致产生 IndexError: list index out of range 异常。

3. 不规则矩阵（Jagged List）隐患

Python 原生列表不强制要求内层列表长度一致。例如 [[1, 2], [3, 4, 5]] 在语法上完全合法，但它并不是标准数学意义上的矩形矩阵。若后续代码假设所有行具有相同列数直接调用 len(matrix[0])，在处理不规则数据时便可能引发越界错误。在处理外部输入时，建议校验 all(len(row) == len(matrix[0]) for row in matrix)。

七、总结与方法选择参考

下表归纳了创建 Python 嵌套列表矩阵的三种常见方法及其各自的优缺点与适用场景：