Python中任意维度高维矩阵的自动生成与使用实现方案

你猜测的np.meshgrid实现思路是正确的，只需要调整索引模式参数，再做维度拼接就能自动适配任意维度，不需要针对不同m值手动编写多层循环。

核心生成函数 #

以下函数完全匹配常规维度的预期输出，传入n（单维度长度）、m（维度总数）即可直接生成目标矩阵：

import numpy as np

def generate_index_matrix(n, m):
    # 为每个维度生成0~n-1的索引序列
    dim_indexes = [np.arange(n) for _ in range(m)]
    # 生成m维坐标网格，指定indexing='ij'保证维度顺序和矩阵索引逻辑一致，避免默认笛卡尔索引调换前两维顺序
    mesh_grids = np.meshgrid(*dim_indexes, indexing='ij')
    # 沿最后一个维度拼接网格，让每个坐标点位置的元素为对应维度索引组成的列表
    index_matrix = np.stack(mesh_grids, axis=-1)
    # 转为原生Python列表格式，和预期输出格式对齐
    return index_matrix.tolist()

效果验证 #

对应给出的测试用例，核心场景输出完全符合预期：

• 入参n=2, m=2时输出：

[[[0, 0], [0, 1]], [[1, 0], [1, 1]]]

• 入参n=3, m=3时输出结构和3维示例完全一致，每个位置的索引列表匹配对应坐标。
• 入参n=3, m=1时输出为[[0], [1], [2]]，和索引逻辑一致，给出的对应示例少了一层嵌套属于笔误。

适配随机优化器代码 #

你当前编写的分盒逻辑不需要改动，生成的boxBoundaries是各维度的区间列表，后续要生成所有高维盒的边界/顶点组合时，直接用上述函数生成对应维度的索引矩阵，按索引取各维度的区间即可，不管维度d设置为多少，都不需要手动修改循环层数。
比如2维场景下，索引矩阵[i][j] = [i,j]，直接取boxBoundaries[0][i]和boxBoundaries[1][j]就能得到对应盒的两个维度边界，高维场景下逻辑完全一致。

内容的提问来源于stack exchange，提问作者Daisy Welham