ndarray最大支持维度32报错，如何用列表等替代方案解决？

方案1：直接使用一维数组操作 #

既然num_locations是所有状态维度的乘积，完全可以跳过多维数组的转换，直接在一维层面完成累加操作，彻底避开numpy的维度限制：

import numpy as np

value = np.zeros(num_locations)
for i in range(num_visits):
    value += utility[i]

如果后续需要将结果映射回多维结构，仅在需要时进行转换即可（若state_dims维度数仍超过32，可改用其他结构存储）。

方案2：使用嵌套列表存储多维结构 #

如果必须保留状态的多维层级结构，可以用嵌套列表替代numpy数组，需实现数组转嵌套列表、嵌套列表累加的函数：

import numpy as np

def array_to_nested(arr, dims):
    if len(dims) == 1:
        return arr.tolist()
    split_step = arr.size // dims[0]
    return [array_to_nested(arr[i*split_step:(i+1)*split_step], dims[1:]) for i in range(dims[0])]

def nested_add(a, b):
    if isinstance(a, list):
        return [nested_add(sub_a, sub_b) for sub_a, sub_b in zip(a, b)]
    return a + b

# 初始化嵌套列表形式的value
value = array_to_nested(np.zeros(num_locations), state_dims)
for i in range(num_visits):
    utility_nested = array_to_nested(utility[i], state_dims)
    value = nested_add(value, utility_nested)

注意：嵌套列表运算效率远低于numpy数组，仅适合小数据量场景。

方案3：使用pandas MultiIndex实现高维索引 #

用pandas的MultiIndex表示状态的多维维度，数据存储在一维Series中，既保留多维索引关系，又不会触发numpy的维度限制：

import numpy as np
import pandas as pd

# 构建对应state_dims的MultiIndex
index_levels = [range(dim) for dim in state_dims]
multi_idx = pd.MultiIndex.from_product(index_levels, names=[f"dim_{idx}" for idx in range(len(state_dims))])

# 初始化累加用的Series
value = pd.Series(np.zeros(num_locations), index=multi_idx)

for i in range(num_visits):
    utility_series = pd.Series(utility[i], index=multi_idx)
    value += utility_series

这种方式兼顾多维语义和运算效率，适合大数据量场景。

内容的提问来源于stack exchange，提问作者Alfred