我更喜欢下一个提示: 将矩阵命名为matrix_a并使用column_number，例如:

import numpy as np
matrix_a = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
column_number=2

# you can get the row from transposed matrix - it will be a column:
col=matrix_a.transpose()[column_number]

def get_col(arr, col):
    return map(lambda x : x[col], arr)

a = [[1,2,3,4], [5,6,7,8], [9,10,11,12],[13,14,15,16]]

print get_col(a, 3)

Python中的map函数是另一种方法。

您是否使用了NumPy数组?Python有array模块，但不支持多维数组。普通的Python列表也是一维的。

然而，如果你有一个简单的二维列表，像这样:

A = [[1,2,3,4],
     [5,6,7,8]]

然后你可以像这样提取一个列:

def column(matrix, i):
    return [row[i] for row in matrix]

提取第二列(索引1):

>>> column(A, 1)
[2, 6]

或者简单地说:

>>> [row[1] for row in A]
[2, 6]

我更喜欢下一个提示: 将矩阵命名为matrix_a并使用column_number，例如:

import numpy as np
matrix_a = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
column_number=2

# you can get the row from transposed matrix - it will be a column:
col=matrix_a.transpose()[column_number]

尽管使用zip(*iterable)来转置一个嵌套列表，如果嵌套列表的长度不同，你也可以使用以下方法:

map(None, *[(1,2,3,), (4,5,), (6,)])

结果:

[(1, 4, 6), (2, 5, None), (3, None, None)]

第一列如下:

map(None, *[(1,2,3,), (4,5,), (6,)])[0]
#>(1, 4, 6)

只要使用转置()，就可以像求行一样简单地求列

matrix=np.array(originalMatrix).transpose()
print matrix[NumberOfColumns]