在 numpy 中无法直接对不规则（行长度不同）的二维数组进行标准转置，但可通过 `itertools.zip_longest` 配合列表推导式实现安全、灵活的转置，并自动剔除填充的 `none` 值。
对于锯齿状（jagged）二维数组——即各行元素数量不一致的嵌套列表或 dtype=object 的 NumPy 数组——传统 .T 或 np.transpose() 会报错或行为异常，因为其底层依赖矩形内存布局。此时需采用基于 Python 迭代协议的通用方案。
核心思路是：将每行视为一个可迭代对象，用 zip_longest(*seats) 按列“拉链式”聚合元素。该函数会在较短行末尾补 None，确保所有列长度一致；随后通过列表推导式过滤掉 None，得到真正有效的转置结果。
以下为完整可运行示例：
import numpy as np
from itertools import zip_longest
seats = np.array([
[1, 2, 3, 4, 5],
[1, 2, 3, 4],
[1, 2, 3],
[1, 2, 3, 4],
[1, 2],
[1, 2]
], dtype=object)
# 步骤 1：使用 zip_longest 实现“补齐式”列聚合
padded_columns = list(zip_longest(*seats))
# 输出示例：[(1,1,1,1,1,1), (2,2,2,2,2,2), (3,3,3,3,None,None), ...]
# 步骤 2：过滤 None，生成纯净转置列表
transposed_seats = [list(filter(lambda x: x is not None, col)) for col in padded_columns]
# 或更简洁写法（推荐）：
# transposed_seats = [[x for x in col if x is not None] for col in padded_columns]
print(transposed_seats)
# [[1, 1, 1, 1, 1, 1],
# [2, 2, 2, 2, 2, 2],
# [3, 3, 3, 3],
# [4, 4, 4],
# [5]]⚠️ 注意事项：
- 若原始数据中本身可能包含 None 值，应改用自定义 fillvalue（如 fillvalue=object()）并用 is 判断，避免误删有效 None；
- 结果为 Python 列表嵌套结构，如需转为 dtype=object 的 NumPy 数组，可执行 np.array(transposed_seats, dtype=object)；
- 该方法时间复杂度为 O(N)，其中 N 为所有元素总数，适用于中等规模数据；超大规模场景建议预统计最大列长后手动索引构造，以减少动态判断开销。
总结：锯齿数组转置本质是“按列收集非空元素”，zip_longest 提供了最直观、健壮且无需外部依赖的解决方案，是处理不规则结构的标准实践。
