Numpy中优雅创建离散坐标系坐标组合数组的方法

你当前采用的循环追加写法存在两个明显问题：一是代码冗余不够简洁，二是np.append每次调用都会重新分配内存、复制全量已有数据，时间复杂度达到O(n²)，N值稍大时性能会非常差；另外手动维护循环边界很容易出错，你给出的示例代码用range(N)迭代，实际生成的坐标最大值为N-1，无法覆盖需求中提到的[N,N]边界点。

以下是两种更规范、性能更好的实现方式：

• 向量化实现（性能最优，优先推荐）
  直接使用numpy内置的网格生成接口，全程无Python层循环，是这类坐标生成场景的标准写法：

  import numpy as np
  N = 10
  # 生成i、j取值范围均为[0, N]的所有坐标，排列顺序和需求完全匹配
  array = np.mgrid[0:N+1, 0:N+1].reshape(2, -1).T
  

  实现逻辑很简单：np.mgrid会先返回两个形状为(N+1, N+1)的二维数组，分别存储每个网格点的i坐标和j坐标，将其调整为2行结构后转置，就能得到每行对应[i,j]的目标数组。

  如果偏好更显式的平铺写法，也可以用np.repeat和np.tile实现，性能完全一致：

  i = np.repeat(np.arange(N+1), N+1)
  j = np.tile(np.arange(N+1), N+1)
  array = np.column_stack((i, j))
  

• 笛卡尔积实现（可读性最高）
  如果追求代码逻辑的直白易懂，可以借助Python标准库的itertools.product直接生成两个序列的笛卡尔积，天然对应所有坐标组合：

  import numpy as np
  from itertools import product
  N = 10
  array = np.array(list(product(range(N+1), repeat=2)))
  

  这种写法不需要记忆numpy专属的网格函数，代码语义非常清晰，小数据量场景下使用十分方便。

内容的提问来源于stack exchange，提问作者MMM