使用普通数组索引Numpy ndarray时为何抛出IndexError？

核心问题1：多维数组索引方式错误 #

你用长度为4的数组直接索引5维q_table时，numpy会把这个数组当成对第一个轴的批量索引（即取q_table[arr[0], :, :, :, :]、q_table[arr[1], :, :, :, :]等），而不是分别对应前4个轴的单索引。这就导致如果数组里的元素超过第一个轴的大小（10），就会触发索引越界错误。

解决方法：把索引数组转换成tuple，这样numpy会将tuple中的每个元素对应到多维数组的各个轴上：

max_val = np.max(self.q_table[tuple(self.quantize_state(observation_space, [-150, 100, 3, 3]))])

核心问题2：静态方法无法访问局部变量 #

你的quantize_state是静态方法，无法访问__init__里定义的局部变量OBSERVATION_SPACE_RESOLUTION，这会导致生成的分割点数量错误，最终让digitize返回超出维度范围的索引（比如错误得到11，而第一个轴只有10个元素）。

解决方法：把OBSERVATION_SPACE_RESOLUTION设为类属性，让静态方法可以正确访问：

class AgentBase:
    # 把分辨率设为类属性，让静态方法能访问
    OBSERVATION_SPACE_RESOLUTION = [10, 15, 15, 15]
    
    def __init__(self, observation_space):
        self.q_table = np.zeros([*self.OBSERVATION_SPACE_RESOLUTION, 4])
        max_val = np.max(self.q_table[tuple(self.quantize_state(observation_space, [-150, 100, 3, 3]))])
        print(max_val)

    @staticmethod
    def quantize_state(observation_space, state):
        state_quantized = np.zeros(len(state))
        lin_spaces = []
        for i in range(len(observation_space)):
            # 访问类属性获取分辨率
            lin_spaces.append(np.linspace(observation_space[i][0], observation_space[i][1],
                                         AgentBase.OBSERVATION_SPACE_RESOLUTION[i] - 1, dtype=int))
        for i in range(len(lin_spaces)):
            state_quantized[i] = np.digitize(state[i], lin_spaces[i])
        return state_quantized.astype(int)

额外验证点 #

检查digitize的返回值范围：digitize会返回0到len(lin_space)的整数，而对应轴的大小是OBSERVATION_SPACE_RESOLUTION[i]，len(lin_space) = OBSERVATION_SPACE_RESOLUTION[i]-1，所以返回的最大索引刚好是轴的合法最大索引（0到size-1），不会越界。只要保证OBSERVATION_SPACE_RESOLUTION的取值一致，这部分就没问题。

内容的提问来源于stack exchange，提问作者Olivér Raisz