矩阵遍历算法：从基础模式到高频面试题解析

1. 矩阵遍历：算法工程师的必修课

第一次刷Leetcode矩阵题时，我盯着那道"旋转图像"足足半小时无从下手。直到把矩阵拆解成行、列、对角线的组合关系，才突然理解二维数组遍历的本质差异。矩阵类题目在各大厂面试中出现频率高达67%（据2023年Leetcode企业题库统计），其核心考察点正是对二维数据结构的操作能力。

不同于线性表的一维思维，矩阵遍历需要建立坐标系意识。想象你站在一个围棋棋盘上，既要控制行进的步长（步频），又要处理转向的逻辑（状态机）。常见的四种基础遍历模式：逐行扫描、螺旋遍历、对角线遍历、旋转遍历，构成了90%矩阵题目的解题骨架。下面我们就用几个经典例题，拆解这些模式的实现细节与变形套路。

关键认知：矩阵问题本质是二维状态机，处理重点是坐标变换与边界判定

2. 基础遍历模式深度解析

2.1 逐行扫描与层序遍历

最简单的54.螺旋矩阵(Spiral Matrix)展示了最基础的层序遍历思想。就像剥洋葱一样，我们一圈圈从外向内处理元素。这里有两个关键技巧：

1. 使用四边界标记法（left/right/top/bottom）替代复杂的坐标计算

python复制def spiralOrder(matrix):
    res = []
    l, r, t, b = 0, len(matrix[0])-1, 0, len(matrix)-1
    while l <= r and t <= b:
        for i in range(l, r+1): res.append(matrix[t][i])  # 上边左→右
        t += 1
        for i in range(t, b+1): res.append(matrix[i][r])  # 右边上→下
        r -= 1
        if not (l <= r and t <= b): break  # 奇数行偶数列情况
        for i in range(r, l-1, -1): res.append(matrix[b][i]) # 下边右→左
        b -= 1
        for i in range(b, t-1, -1): res.append(matrix[i][l]) # 左边下→上
        l += 1
    return res

2. 处理非方阵时的中断条件（第8行），避免重复遍历。实测在3×4矩阵中，缺少该判断会导致中心元素被重复添加。

2.2 对角线遍历的艺术

498.对角线遍历(Diagonal Traverse)展示了坐标和的妙用。观察发现：

• 奇数对角线方向为右上→左下，偶数方向相反
• 同一对角线上元素的行列索引和恒定

python复制def findDiagonalOrder(mat):
    if not mat: return []
    m, n = len(mat), len(mat[0])
    res = []
    for s in range(m + n - 1):  # 对角线总数
        if s % 2 == 0:  # 偶数对角线
            i = min(s, m-1)
            j = s - i
            while i >= 0 and j < n:
                res.append(mat[i][j])
                i -= 1
                j += 1
        else:  # 奇数对角线
            j = min(s, n-1)
            i = s - j
            while j >= 0 and i < m:
                res.append(mat[i][j])
                i += 1
                j -= 1
    return res

这里有个易错点：当对角线超出矩阵范围时（第7/13行的min操作），需要调整起点位置。建议在纸上画出3×4矩阵的遍历路径来理解坐标变化。

3. 高级变形与优化技巧

3.1 旋转遍历的坐标映射

48.旋转图像(Rotate Image)要求原地顺时针旋转90度。通过坐标推导可以发现：

• 顺时针旋转：mat[i][j] → mat[j][n-1-i]
• 逆时针旋转：mat[i][j] → mat[m-1-j][i]

分层旋转解法比直接映射更易实现：

python复制def rotate(matrix):
    n = len(matrix)
    for layer in range(n//2):
        first = layer
        last = n - 1 - layer
        for i in range(first, last):
            offset = i - first
            # 保存上边
            top = matrix[first][i]
            # 左→上
            matrix[first][i] = matrix[last-offset][first]
            # 下→左
            matrix[last-offset][first] = matrix[last][last-offset]
            # 右→下
            matrix[last][last-offset] = matrix[i][last]
            # 上→右
            matrix[i][last] = top

实测陷阱：Python中直接使用matrix[:] = zip(*matrix[::-1])虽然简洁，但不符合"原地修改"要求，面试时会被扣分。

3.2 状态记录与剪枝

79.单词搜索(Word Search)展示了DFS遍历中的优化技巧。相比暴力搜索，有三大优化点：

1. 使用#标记已访问路径，替代额外的visited矩阵
2. 先检查首字母匹配再进入DFS，减少无效递归
3. 使用any链式短路求值，找到即终止

python复制def exist(board, word):
    def dfs(i, j, k):
        if not 0<=i<m or not 0<=j<n or board[i][j]!=word[k]:
            return False
        if k == len(word)-1:
            return True
        board[i][j] = '#'
        res = any(dfs(i+di,j+dj,k+1) for di,dj in [(1,0),(-1,0),(0,1),(0,-1)])
        board[i][j] = word[k]
        return res
    
    m, n = len(board), len(board[0])
    for i in range(m):
        for j in range(n):
            if board[i][j] == word[0] and dfs(i, j, 0):
                return True
    return False

4. 高频问题排查手册

4.1 索引越界经典场景

4.2 时间复杂度优化对比

4.3 Python特性注意事项

1. 浅拷贝陷阱：旋转操作若用new_mat = mat[:]只是浅拷贝，二维数组需使用deepcopy
2. 矩阵转置技巧：list(zip(*matrix))会返回tuple组成的list，需注意类型转换
3. 原地修改要求：部分题目明确禁止创建新矩阵，需仔细阅读约束条件

5. 专题训练路线建议

根据周赛出现频率，建议按此顺序攻坚：

1. 基础遍历：螺旋矩阵(54)→对角线遍历(498)→旋转图像(48)
2. 搜索应用：单词搜索(79)→岛屿数量(200)→最大加号标志(764)
3. 动态规划：最小路径和(64)→最长递增路径(329)→最大矩形(85)
4. 数学技巧：矩阵置零(73)→生命游戏(289)→范围求和(598)

对于二维DP类题目，建议先在纸上画出状态转移图。例如221.最大正方形，定义dp[i][j]表示以(i,j)为右下角的最大边长，其状态转移取决于左、上、左上三个相邻点的最小值。