本文介绍如何纯 python 实现二维网格（列表嵌套）的多次 90° 顺时针旋转，包含正确旋转逻辑、边界处理、完整可运行示例及常见错误分析。
在 Python 中对二维列表进行 90 度顺时针旋转，核心在于理解坐标映射关系：原矩阵中第 i 行第 j 列的元素，在顺时针旋转 90° 后，会出现在新矩阵的第 j 行、第 n−1−i 列（假设为 n×n 方阵）。但更直观且通用的实现方式是——先转置，再水平翻转：
- 转置：new[i][j] = original[j][i]
- 水平翻转（每行逆序）：new[i] = original[i][::-1]
二者组合即等价于一次 90° 顺时针旋转。对于 N×N 方阵，可简化为一行列表推导式：
def rotate_90_clockwise(grid):
n = len(grid)
# 等价于：转置 + 每行反转
return [[grid[n - 1 - j][i] for j in range(n)] for i in range(n)]不过，更清晰、不易出错的写法是分步实现（也兼容非方阵，本题默认方阵）：
def rotate_90_clockwise(grid):
# 步骤1：转置（行列互换）
transposed = [[grid[j][i] for j in range(len(grid))] for i in range(len(grid[0]))]
# 步骤2：每行反转 → 实现顺时针90°
return [row[::-1] for row in transposed]⚠️ 注意：你原始代码中存在多个关键问题：
- rotate90() 函数未 return 任何值 → 返回 None（导致输出 "none"）；
- 循环范围写为 range(N-1)，漏掉了最后一行/列（应为 range(N)）；
- 未处理多次旋转（N 次需调用 N 次，或优化为 N % 4 次，因每 4 次回归原状）；
- 输入解析逻辑与题目样例不匹配（题目给的是固定 3×3 网格，而非先输维度再输数据）。
✅ 正确的完整解决方案如下（适配题目输入格式）：
# 读取输入：首行为旋转次数，随后为网格（行数=列数，由数据行数决定）
N = int(input().strip()) # 旋转次数
# 读取网格（直到 EOF 或空行）
grid = []
try:
while True:
line = input().strip()
if line:
row = list(map(int, line.split()))
grid.append(row)
except EOFError:
pass
# 确保是方阵（题目隐含条件）
n = len(grid)
# 定义单次90°顺时针旋转函数
def rotate_once(g):
# 转置 + 行反转
transposed = [[g[j][i] for j in range(n)] for i in range(n)]
return [row[::-1] for row in transposed]
# 执行 N 次旋转（优化：只需 N % 4 次）
for _ in range(N % 4):
grid = rotate_once(grid)
# 输出结果（每行数字用空格分隔）
for row in grid:
print(' '.join(map(str, row)))? 示例验证：
输入：
1 4 3 1 6 5 2 9 7 3
执行 1 次旋转后，输出为：
9 6 4 7 5 3 3 2 1
但注意：题目期望输出是：
1 2 3 3 5 7 4 6 9
这实际对应 逆时针 90° × 1 次（或顺时针 90° × 3 次）。因此需确认题目中“rotate 90deg N times”是否默认为顺时针。若样例输出为逆时针，则应改用：
def rotate_90_counterclockwise(g):
transposed = [[g[j][i] for j in range(n)] for i in range(n)]
return [row[::-1] for row in transposed[::-1]] # 转置 + 整体行反转更稳妥的做法是：明确约定方向，并在注释中说明。本教程默认按顺时针实现，符合绝大多数编程题惯例；若需匹配题目标准输出，请将 N 替换为 (4 - N % 4) % 4 再旋转（即等价于逆时针 N 次）。
? 总结：
- 旋转本质是坐标变换，推荐“转置 + 反转”两步法，逻辑清晰、无索引越界风险；
- 务必 return 结果，避免返回 None；
- 多次旋转可用模 4 优化，提升效率；
- 输入解析需严格匹配题目格式（本题为先输 N，再输网格，无额外维度输入）；
- 不依赖 NumPy，仅用原生列表推导式，简洁高效，适合算法面试与基础教学。
