np.trim_zeros 处理二维列表报 tuple 索引错误，先转为数组

np.trim_zeros([[0, 1], [0, 0]]) 报 TypeError: list indices must be integers or slices, not tuple，但把相同数据先转为 NumPy 数组就能处理。输入是规则二维数值序列时，应先区分“可转换成数组”与“原对象支持多维切片”。

这项差异在 NumPy 2.6 开发构建中出现过，正式 2.5.4 也仍保留相关实现：内部用转换后的数组寻找非零边界，返回时却对原 filt 使用切片。二维切片是一个 tuple，Python 列表与元组都不按 NumPy 的方式解释它。

在裁剪前明确转换输入容器

import numpy as np

source = [[0, 1], [0, 0]]
array = np.asarray(source)
trimmed = np.trim_zeros(array)

这里的预期结果是二维数组 [[1]]。转换解决的是容器索引能力，不改变裁剪规则。若下游确实要求普通列表，可以在处理完成后显式调用 trimmed.tolist()，并把输出类型变化纳入接口约定。

这个方案限定规则的数值数组。参差不齐的嵌套序列、包含任意对象的列表或需要保留不同子列表长度的数据，不应为了通过转换而强行设为 object；应先定义它究竟是否是一张矩形数值表。

axis 决定保留哪些维度的边界

默认裁剪寻找包含非零内容的边界框，并非删除数组中间每个值为零的行或单元格。如果只要求沿行方向去掉首尾全零行，可以在同一个数组上指定 axis=0：

trimmed_rows = np.trim_zeros(array, axis=0)

上述输入在该设置下应保留第一行的两个列位置，得到 [[0, 1]]，而不是继续去掉左侧零列。真实任务应保留原来的 trim 与 axis 约定，不能为了消除异常顺手展平数组，这会改变位置关系与维数。

一维列表能够返回列表，也不能证明二维列表同样可用。实现对一维切片有单独处理，以保留原序列类型；二维使用多轴 tuple 切片，正是两种表现分开的地方。

数组化不等于获得独立副本

原输入已经是 ndarray 时，np.asarray 可能直接使用同一数组；裁剪结果也可能与输入共享数据。若后续需要独立修改裁剪结果，应在那个边界明确复制，不能把本方案当作深复制保证。

验收同时检查输出值、shape、dtype 和选择轴，覆盖普通边界零、中间零、全零和空输入。全零或空输入的预期形状应按项目所用版本的接口规则固定；不能只检查不再出现 tuple 索引异常。