Python自定义模型拟合时如何生成任意数量列表的所有元素组合

我在编写自定义模型拟合函数（已知SciPy库有现成实现，但打算自主完成开发）时，需要函数支持任意数量的模型参数输入，目前卡在未知数量参数的泛化处理环节。

以双参数场景为例，比如拟合简单的y=mx+c直线模型：我会给每个参数准备对应的取值范围列表，再遍历两个列表的所有元素组合，通过最小二乘计算找到最优参数组合，对应示例代码如下：

import numpy as np

# 定义参数取值列表
p_list_1 = np.linspace(0, 10, 11)
p_list_2 = np.linspace(0, 10, 11)

# 遍历所有参数值组合
for param_1 in p_list_1:
    for param_2 in p_list_2:

        p_combo = [param_1, param_2]

        # 后续基于该参数组合做模型拟合、残差计算等操作

这种嵌套循环的写法只在参数数量已知时可用，一旦要支持可变数量参数，代码会非常冗余。比如要支持最多5个参数的拟合，就得写如下分支逻辑：

import numpy as np

# 定义参数取值列表
p_list_1 = np.linspace(0, 10, 11)
p_list_2 = np.linspace(0, 10, 11)
p_list_3 = np.linspace(0, 10, 11)
p_list_4 = np.linspace(0, 10, 11)
p_list_5 = np.linspace(0, 10, 11)

# 定义参数总数
n_params = 5

### 此处省略1、2、3、4个参数对应的分支代码 ###

if n_params == 5:
    for param_1 in p_list_1:
        for param_2 in p_list_2:
            for param_3 in p_list_3:
                for param_4 in p_list_4:
                    for param_5 in p_list_5:
                        
                        p_combo = [param_1, param_2, param_3, param_4, param_5]
                        
                        # 后续基于该参数组合做模型拟合、残差计算等操作

这种方案需要针对每一种参数数量手动写适配逻辑，显然不是最优实现。

核心诉求：给定任意数量的列表，有没有简洁的方法可以获取这些列表元素的所有可能组合？

直接使用Python标准库itertools中的product方法，就能生成任意数量列表的笛卡尔积，也就是跨列表的所有元素组合，不需要手写多层嵌套循环，也不需要针对参数个数写分支判断。

实现代码如下：

import itertools
import numpy as np

# 定义各参数的取值范围
p_list_1 = np.linspace(0, 10, 11)
p_list_2 = np.linspace(0, 10, 11)
p_list_3 = np.linspace(0, 10, 11)

# 将所有参数的取值列表存入同一个主列表
param_lists = [p_list_1, p_list_2, p_list_3]

# 生成所有参数组合，注意传入参数时要加星号做列表解包
for combo in itertools.product(*param_lists):
    print(combo)
    # 后续直接用combo完成模型拟合、残差计算等逻辑即可

使用时只需要把所有待遍历的参数取值列表统一放到主列表中，不管是2个、5个还是更多参数，都不需要修改循环逻辑，完全适配可变参数数量的泛化需求。

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