Julia中是否有枚举数组索引的Base原生方法？是否应添加indices至标准库？

在Julia中，有时需要遍历数组的多维索引，例如创建带噪声的乘法表：
首先生成噪声矩阵：

julia> m = 0.1*rand(2,3)
2×3 Matrix{Float64}:
 0.0692654  0.0297861  0.0642931
 0.0187022  0.0530222  0.0561437

接着通过自定义函数indices生成带噪声的乘法表：

julia> indices(A) = Iterators.map(Tuple, CartesianIndices(A))
indices (generic function with 1 method)

julia> noisy_mult = [i*j+m[i,j] for (i,j) in indices(m)]
2×3 Matrix{Float64}:
 1.06927  2.02979  3.06429
 2.0187   4.05302  6.05614

提问：Base库中是否有等效于indices的原生方法，或更简便的实现方式？将indices纳入标准库是否合理？

等效方法与简便实现 #

Base库中不需要额外定义indices函数，有两种更直接的实现方式：

方式1：直接遍历CartesianIndices并解构 #

Julia支持直接将CartesianIndex对象解构为多维索引元组，因此可以直接遍历CartesianIndices(m)，无需额外转换：

noisy_mult = [i*j + m[i,j] for (i,j) in CartesianIndices(m)]

或者保留CartesianIndex对象直接使用，写法更紧凑：

noisy_mult = [I[1]*I[2] + m[I] for I in CartesianIndices(m)]

方式2：遍历数组的轴（axes） #

利用axes函数直接获取每个维度的索引范围，通过嵌套生成式实现：

noisy_mult = [i*j + m[i,j] for i in axes(m,1), j in axes(m,2)]

这种写法直观易懂，适合明确需要按维度遍历的场景。

是否需要将indices纳入标准库？ #

不需要，理由如下：

• 已有更简洁的原生写法：直接使用CartesianIndices配合解构或axes遍历，代码量和自定义函数相当，甚至更灵活；
• Julia的设计理念：标准库倾向于提供底层、通用的工具（如CartesianIndices），而非封装特定场景的小函数，避免API冗余；
• 自定义成本极低：如果确实有频繁使用的需求，用户可以自行定义该函数，无需内置到标准库中。

内容的提问来源于stack exchange，提问作者Dan Getz