NdArray的Debug实现触发减法下溢错误，求更佳实现方案

我实现了一个通用的NdArray<T, N>结构，保证是矩形多维数组，形状为[usize; N]（比如[2,2]是方阵，[3]是列向量）。想要仿照NumPy的格式美观打印它，于是移植了tinynumpy的Python代码到Rust，但运行时触发panic：

thread 'main' panicked at 'attempt to subtract with overflow', src/main.rs:17:36

错误原因 #

• 无符号整数溢出：Python的int支持负数，但Rust的usize是无符号整数，当计算array.shape.len() - axis -1得到负数时（比如N=0或axis接近shape长度时），会直接溢出panic。
• 偏移量计算错误：原代码里的offset_ = offset +k不符合扁平化数组的索引逻辑，正确的做法应该是根据每个维度的**步长（strides）**计算偏移量，否则会访问错误的数组元素。

修复后的完整代码 #

use core::fmt::Debug;
use std::cmp::{min, max};
use std::fmt;

pub struct NdArray<T: Clone, const N: usize> {
    pub shape: [usize; N],
    pub data: Vec<T>,
}

impl<T: Clone, const N: usize> NdArray<T, N> {
    pub fn from(array: Vec<T>, shape: [usize; N]) -> Self {
        // 验证数据长度是否匹配形状的乘积，提前发现错误
        let expected_len = shape.iter().product();
        assert_eq!(array.len(), expected_len, "Data length doesn't match shape");
        NdArray { shape, data: array }
    }

    // 计算每个维度的步长：用于扁平化数组的索引转换
    fn strides(&self) -> [usize; N] {
        let mut strides = [1; N];
        for i in (0..N-1).rev() {
            strides[i] = strides[i+1] * self.shape[i+1];
        }
        strides
    }
}

fn _display_inner<T: Clone + Debug, const N: usize>(
    f: &mut fmt::Formatter<'_>,
    array: &NdArray<T, N>,
    axis: usize,
    offset: usize,
    strides: &[usize; N],
) -> std::fmt::Result {
    // 转成isize计算避免usize溢出，再转回usize处理缩进
    let indent_calc = (array.shape.len() as isize) - axis as isize - 1;
    let axisindent = min(2, max(0, indent_calc) as usize);

    if axis < array.shape.len() {
        f.write_str("[")?;
        for (k_index, k) in (0..array.shape[axis]).enumerate() {
            if k_index > 0 {
                // 生成换行和对应缩进，匹配NumPy的打印风格
                for _ in 0..axisindent {
                    f.write_str("\n       ")?;
                    for _ in 0..axis {
                        f.write_str(" ")?;
                    }
                }
            }
            // 计算正确的偏移量：当前偏移 + 当前维度索引 * 维度步长
            let new_offset = offset + k * strides[axis];
            _display_inner(f, array, axis + 1, new_offset, strides)?;
            if k_index < array.shape[axis] - 1 {
                f.write_str(", ")?;
            }
        }
        f.write_str("]")?;
    } else {
        write!(f, "{:?}", array.data[offset])?;
    }
    Ok(())
}

impl<T: Clone, const N: usize> fmt::Debug for NdArray<T, N> 
where T: Debug
{ 
    fn fmt(&self, f: &mut std::fmt::Formatter<'_>) -> std::fmt::Result {
        match N {
            0 => write!(f, "NdArray([])"),
            1 => write!(f, "NdArray({:?}, shape={:?})", self.data, self.shape),
            _ => {
                let strides = self.strides();
                f.write_str("NdArray(")?;
                _display_inner(f, self, 0, 0, &strides)?;
                write!(f, ", shape={:?})", self.shape)
            }
        }
    }
}

fn main() {
    // 测试2x2浮点方阵
    let a = NdArray::from(vec![1., 2., 3., 4.], [2, 2]);
    println!("{:?}", a);

    // 测试2x2x2整数三维数组
    let b = NdArray::from(vec![1,2,3,4,5,6,7,8], [2,2,2]);
    println!("{:?}", b);
}

优化说明 #

• 溢出修复：将缩进计算转为有符号整数isize处理，避免无符号整数溢出问题。
• 索引修正：新增strides方法计算维度步长，确保扁平化数组的索引访问完全正确。
• 输入验证：在构造方法中添加断言，提前校验数据长度与形状的匹配性。
• 风格统一：多维数组输出包裹在NdArray(...)中，同时保留形状信息，更贴近NumPy的打印风格。

内容的提问来源于stack exchange，提问作者JS4137