如何优雅检查Numpy数组索引是否合法？求内置替代实现方案

你可以用以下几种更简洁的方式替代原有的带显式循环的函数：

方案1：纯Python生成器表达式 + all() #

用一行代码实现逻辑，去掉显式for循环，可读性和简洁性拉满：

def isValid(np_shape: tuple, index: tuple):
    return all(0 <= ind < sh for ind, sh in zip(index, np_shape))

这个方案完全依赖Python内置语法，不需要额外Numpy操作，单个索引检查时效率很高，逻辑直观易懂。

方案2：Numpy向量化判断 #

适合批量检查多个索引的场景（比如BFS中一次性验证多个邻居坐标），利用Numpy的数组运算提升效率：

import numpy as np

def isValid(np_shape: tuple, index: tuple):
    idx = np.array(index)
    shape_arr = np.array(np_shape)
    return ((idx >= 0) & (idx < shape_arr)).all()

如果要批量处理，直接把index换成二维数组（比如[(0,0), (2,4), (4,4)]），就能一次性得到所有索引的合法性结果：

indices = np.array([(0,0), (2,4), (4,4)])
shape_arr = np.array((3,5))
valid_mask = ((indices >= 0) & (indices < shape_arr)).all(axis=1)
# valid_mask 结果为 array([ True,  True, False])

方案3：利用Numpy内置函数np.ravel_multi_index #

借助Numpy内置的索引转换函数，通过捕获异常来判断合法性，代码最简洁：

import numpy as np

def isValid(np_shape: tuple, index: tuple):
    try:
        np.ravel_multi_index(index, np_shape)
        return True
    except ValueError:
        return False

这个方案完全不用自己写判断逻辑，但异常捕获在高频调用场景下性能略低于前两种方案，适合代码简洁性优先的场景。

测试一下这几个方案，结果和原代码一致：

arr = np.zeros((3,5))
print(isValid(arr.shape,(0,0))) # True
print(isValid(arr.shape,(2,4))) # True
print(isValid(arr.shape,(4,4))) # False

内容的提问来源于stack exchange，提问作者schajan