设稀疏矩阵中有t个非零元素，用三元组表的方式存储. 请设计一个算法，计算矩阵M的转置矩阵N

为了计算稀疏矩阵 M 的转置矩阵 N，我们可以利用稀疏矩阵三元组表的特点，即只存储非零元素及其行、列位置。这里假设三元组表是 (row, col, value)，其中 row 和 col 分别代表原矩阵中非零元素的行索引和列索引，value 是对应的值。转置矩阵的存储结构也采用类似的方式，即 (col, row, value)。

算法步骤如下：

1. 初始化一个空的三元组表 T_N 来存储转置矩阵 N 的非零元素。
2. 遍历稀疏矩阵 M 的三元组表，对于每一个非零元素 (M[row][col], row, col):
a. 将新的三元组 (col, row, M[row][col]) 添加到 T_N 中，因为转置后的矩阵 N 的元素 M[row][col] 应该位于新行 col 和旧列 row 上。
3. 结束遍历后，T_N 就包含了转置矩阵 N 的所有非零元素和对应的位置。

以下是伪代码描述：

def transpose_sparse_matrix(M, T_M):
    T_N = []  # 用于存储矩阵 N 的三元组表
    for row, col, value in T_M:  # T_M 是 M 的三元组表
        T_N.append((col, row, value))
    return T_N