本文介绍如何高效、简洁地实现 n×n 二维矩阵的顺时针 90 度旋转，并支持任意整数次旋转（自动取模优化），避免原地旋转的边界错误，同时提供清晰的输入输出格式与可视化打印。
在 Python 中对二维矩阵进行 90 度顺时针旋转，最直观且健壮的方式不是手动交换元素（易出错、边界复杂），而是利用 Python 的内置操作组合：[::-1]（上下翻转） + zip(*...)（转置）。这一组合恰好等价于一次顺时针 90° 旋转：
- m[::-1]：将行顺序反转（即垂直翻转）；
- zip(*m[::-1])：对翻转后的矩阵进行解包转置，得到顺时针旋转 90° 的结果。
该方法简洁、安全、可读性强，且天然支持任意次数旋转 —— 因为旋转 4 次等于恒等变换，所以只需对旋转次数 n 取模：n % 4。
以下是完整、可直接运行的教程级实现：
def rotate(matrix, times):
"""
对 N×N 矩阵顺时针旋转 90 度 'times' 次。
自动对 times 取模 4，避免冗余操作。
返回新矩阵（不修改原矩阵）。
"""
m = [row[:] for row in matrix] # 深拷贝，保护原数据
for _ in range(times % 4):
m = list(zip(*m[::-1]))
# zip 返回元组，若需纯列表形式，可进一步转换：
m = [list(row) for row in m]
return m
def print_matrix(matrix):
"""按题目要求格式打印矩阵：每行数字空格分隔"""
for row in matrix:
print(*row)
# 示例：读取输入
N = int(input())
matrix = []
for _ in range(N):
row = list(map(int, input().split()))
matrix.append(row)
# 假设目标是旋转至数字 1 位于左上角（即标准位置）
# 根据题意输入示例，1 初始在 (0,2)，即索引 flatList[2] → 对应 3 次旋转（90°×3 = 270° 顺时针 ≡ 90° 逆时针）
# 但更通用的做法是：明确指定旋转次数（如题目中 M），或根据需求动态计算
# 此处以「旋转 3 次」为例（匹配预期输出）
rotated = rotate(matrix, 3)
print_matrix(rotated)输入示例：
立即学习“Python免费学习笔记（深入）”；
3 4 3 1 6 5 2 9 7 3
输出：
1 2 3 3 5 7 4 6 9
✅ 关键优势说明：
- ✅ 无索引越界风险：不依赖手工双指针交换，规避了原代码中 for i in range(left-right) 这类逻辑错误（应为 range(right - left)，且循环内变量更新缺失）；
- ✅ 不可变友好：返回新矩阵，不影响原始数据，便于链式调用或调试；
- ✅ 时间/空间清晰：单次旋转时间复杂度 O(N²)，空间 O(N²)，符合最优理论下界；
- ✅ 扩展性强：支持任意 times（正数=顺时针，负数可扩展为逆时针，只需调整模运算逻辑）。
⚠️ 注意事项：
- zip(*m[::-1]) 返回的是 tuple 行，如需纯 list 类型矩阵（例如后续需修改元素），务必用 [list(row) for row in ...] 转换；
- 若需原地旋转（节省内存），应改用分层环形交换算法，但需严格校验索引边界（推荐仅在内存极度受限且矩阵极大时采用）；
- 题目中通过 flatList.index(1) 推断旋转次数的方法仅适用于含唯一 1 且初始布局固定的场景，不具备通用性；生产环境建议显式传入旋转次数 M。
掌握这一 zip(*m[::-1]) 惯用法，你就能以最少代码、最高可靠性完成矩阵旋转任务——它不仅是技巧，更是 Python 数据处理哲学的体现：用组合代替手写循环，用语义代替索引。
