如何对维度未知的numpy ndarray进行索引？

你的代码冗余问题可以通过两种更优雅的方式解决，无需针对每个维度写嵌套循环：

方法一：使用itertools.product生成索引组合 #

利用笛卡尔积生成除第一维外所有维度的索引组合，适配任意维度数：

from itertools import product

# 获取数组维度数
ndim = myarray.ndim
# 生成ndim-1个维度的索引笛卡尔积（每个维度范围0-99）
for indices in product(range(100), repeat=ndim-1):
    do_something(myarray[:, *indices])

这个方法和你原代码的逻辑完全对应，只是把嵌套循环替换成了笛卡尔积生成的迭代器，代码简洁且易读。

方法二：利用Numpy的reshape扁平化维度 #

更高效的Numpy原生方案，将除第一维外的所有维度合并为一个维度，直接遍历：

# 将数组重塑为（第一维长度，其余维度总元素数）的二维数组
flattened_array = myarray.reshape(myarray.shape[0], -1)
# 遍历每一列（对应原数组的[:, p0, p1,...]）
for col in flattened_array.T:
    do_something(col)

reshape操作是O(1)的（仅改变数组的视图，不复制数据），这种方式避免了Python层面的嵌套循环，在处理大数据量时效率远高于嵌套循环。

内容的提问来源于stack exchange，提问作者Arthur