以前写MMA，发现转置非常好用，特别是处理表格数据，可以很方便的行列互换然后直接一个map丢上去。
虽然也可以写Map[f,list，{2}]这种样子但是可读性比较糟糕，所以还是会选择转置之后处理。
后来也用py写一些东西，发现py不像mma有那么多官方函数，网上查到的基本都是用第三方库或者干脆是暴力写，非常不美：
def transpose(M):
# 初始化转置后的矩阵
result = []
# 获取转置前的行和列
row, col = shape(M)
# 先对列进行循环
for i in range(col):
# 外层循环的容器
item = []
# 在列循环的内部进行行的循环
for index in range(row):
item.append(M[index][i])
result.append(item)
return result
(别问我为啥缩进是两格我不知道 网上随便拉的)
还有的解决方案是直接用第三方库：
import numpy as np
np.transpose(List).tolist()
然后我也一直非常快乐的这么用下去了。后来发现不对：为啥有的时候输出结果没转成呢？
一开始非常费解，一开始的代码写的明明有问题，后来怎么老是变得啥都没干？还一点报错都没有。
后来发现问题，表头和后面长度不一样，会长出来一截，导致不是矩阵，没法转置。最后写成这样：
ret = np.transpose([ret_head[:len(ret_body[0])]] + ret_body).tolist()
非常的丑陋，后来了解了解包相关知识，又听说py3.9要改zip来增加参数可以遍历到底，才意识到我的需求可以很容易的用zip处理：自动按顺序取出传入的各个元素
忽略多余的元素
漂亮
返回迭代器
代码：
ret = zip(ret_head, *ret_body)
以前一直是把zip当成类似MapThread之类的东西，不常用，在了解解包知识之前也完全想不到要怎么处理整个二维表，后来知道了之后又完全没考虑到这一茬，这几天才意识到可以用。
本以为我都能想到的东西世界上这么多聪明人应该是烂大街的，但是找了一下好像没找到太多相关的信息，所以写了这篇专栏，希望能分享给更多的人。
缺点：对于高维矩阵不太合适，理论上可以用但是似乎条件比较苛刻，可能有其他开销，代码可读性下降，只建议对二维表使用。
注：
返回值是tuple，所以要修改的话建议用
[list(_)for _ in zip(*L)]