对于一个 $mtimes n$ 的矩阵，在编程中求出每一行的和是常见的问题。Python提供了多种解决方案，如使用循环、numpy等库函数，本文将从这些方面介绍Python矩阵每行求和的实现方法。
一、使用循环实现
最简单的方法是使用循环遍历每一行进行求和，如下所示：
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
row_sum = []
for row in matrix:
sum = 0
for col in row:
sum += col
row_sum.append(sum)
print(row_sum) #[6, 15, 24]
对于每一行，先将sum设为0，然后依次加上该行的每一个元素，最后将行和添加到row_sum列表中。
上述方法虽然易于理解，但是它比较笨重，效率较低，当矩阵的规模较大时，时间复杂度会变得很高。
二、使用numpy实现
NumPy是Python的一个科学计算库，可以对多维数组进行高效的数值计算。利用NumPy库中的sum函数可以很轻松地求出每行的和。
import numpy as np
matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
row_sum = np.sum(matrix, axis=1)
print(row_sum) #[6, 15, 24]
使用np.sum函数，设置axis参数为1即可求出每一行的和。
相比于循环实现，使用NumPy库的方式代码更为简洁，计算速度更快，特别是在大规模计算时优势更为明显。
三、使用列表推导式实现
Python中的列表推导式可以极大地简化循环代码，如下所示：
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
row_sum = [sum(row) for row in matrix]
print(row_sum) #[6, 15, 24]
使用列表推导式，将矩阵中每一行的和放入列表row_sum中。
与普通的循环方法相比，列表推导式以简洁的代码实现了同样的功能。
结论
本文介绍了Python矩阵每行求和的三种方法：循环遍历、使用NumPy库和列表推导式。根据实际情况选择不同的方法，能够减少代码量、提高效率。