NumPy ndarray通用索引优化：有无替代列表转元组的更优方案？

你当前用列表转元组的方式确实能实现需求，但有几种更简洁的处理方式，不用依赖列表的可变性：

1. 直接按需构造索引元组 #

不用维护列表变量，直接在索引时根据dim的值生成对应元组，省去列表转元组的步骤：

import numpy as np 

# dim = 0 
dim = 1 

m = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
for i in range(3):
    for j in range(3):
        # 根据dim直接构造索引元组
        idx = (i, j) if dim == 0 else (j, i)
        print(m[idx], end='') 
    print()

2. 利用NumPy内置操作避免循环 #

如果需求是按行或列遍历打印，可借助NumPy的转置（.T）特性，跳过手动构造索引的循环，代码更简洁且效率更高：

import numpy as np 

# dim = 0 
dim = 1 

m = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# dim=0时用原数组，dim=1时用转置后的数组
target_array = m if dim == 0 else m.T
# 直接遍历数组的行
for row in target_array:
    print(''.join(map(str, row)))

3. 简化循环逻辑，一行生成打印内容 #

把内层循环的索引构造和打印合并成一行，进一步精简代码：

import numpy as np 

# dim = 0 
dim = 1 

m = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
for i in range(3):
    # 用生成器表达式一次性生成该行的所有元素字符串
    print(''.join(str(m[(i,j) if dim==0 else (j,i)]) for j in range(3)))

内容的提问来源于stack exchange，提问作者Ori Mosenzon