如何实现D维多指标求和的通用嵌套for循环函数？

方法1：使用itertools.product生成指标笛卡尔积 #

这种方式能直接模拟多层嵌套循环的逻辑，同时自然传递各维度的指标值给依赖多参数的u函数，代码简洁直观：

from random import randint
from itertools import product

def u(*js):
    # 这里可替换为依赖j1、j2...jd的复杂逻辑，示例返回指标和
    return sum(js)

def multi_dim_sum(Ms):
    total = 0
    # product生成各维度range的笛卡尔积，每个元素对应一组(j1,j2,...,jd)
    for indices in product(*(range(m) for m in Ms)):
        total += u(*indices)
    return total

# 测试3维场景：Ms=[5,5,5]
print(multi_dim_sum([5,5,5]))

方法2：递归模拟嵌套循环逻辑 #

如果想手动实现多层循环的递归展开逻辑，可以用递归函数逐层处理每个维度：

from random import randint

def u(*js):
    # 自定义依赖多指标的逻辑，示例返回指标和
    return sum(js)

def recursive_sum(Ms, current_indices=None):
    if current_indices is None:
        current_indices = []
    # 所有维度遍历完成，调用u函数
    if len(current_indices) == len(Ms):
        return u(*current_indices)
    total = 0
    # 遍历当前维度的所有可能值，递归进入下一层
    current_dim = len(current_indices)
    for j in range(Ms[current_dim]):
        total += recursive_sum(Ms, current_indices + [j])
    return total

# 测试
print(recursive_sum([5,5,5]))

核心说明 #

• 两种方案都支持任意维度D，仅需传入上限向量Ms即可
• u函数可接收任意数量的参数（对应各维度的指标j₁到j_d），完全适配“依赖多指标”的需求
• 对比简化求和方式，这两种实现真正还原了多层嵌套循环的执行逻辑，能准确传递每个循环的指标值

内容的提问来源于stack exchange，提问作者Jared