如何更高效判断numpy二维数组邻域坐标是否超出索引范围？

你现有的多分支判断逻辑有两个明显问题：一是冗余度高，后续调整邻域规则就要重写所有分支；二是存在逻辑漏洞，比如i < arr.shape[0]这个条件永远成立（np.ndenumerate返回的行索引最大值就是arr.shape[0]-1），且没有判断j+1是否超出列索引范围，边缘位置会生成非法坐标。

下面是两种更优的实现方案：

方案1：通用偏移量过滤法（适合遍历处理场景） #

先把所有邻域的相对偏移量定义为列表，对每个坐标生成所有候选邻域后，批量过滤掉超出合法索引范围的项即可，不需要写任何分支判断：

import numpy as np

h, w = arr.shape
# 预定义所有邻域的相对偏移 (di, dj)
offsets = [(-1, 0), (0, -1), (-1, -1), (-1, 1)]

for (i, j), val in np.ndenumerate(arr):
    neighbors = []
    for di, dj in offsets:
        ni, nj = i + di, j + dj
        # 直接判断坐标是否在合法范围内
        if 0 <= ni < h and 0 <= nj < w:
            neighbors.append((ni, nj))
    if neighbors:
        print(neighbors)
    else:
        print("There are no neighbors")

如果使用Python 3.8及以上版本，可以用海象运算符简化列表推导式写法：

neighbors = [
    (ni, nj) for di, dj in offsets
    if 0 <= (ni := i+di) < h and 0 <= (nj := j+dj) < w
]

这个方案的扩展性极强，后续如果要新增/删除邻域位置，只要修改offsets列表即可，不需要调整判断逻辑。

方案2：向量化滑动窗口法（适合批量计算场景） #

如果你需要的不是打印邻域坐标，而是要批量获取所有点的邻域值做数值计算，完全可以不用写Python循环，用NumPy原生的滑动窗口实现效率提升几个数量级：

import numpy as np
from numpy.lib.stride_tricks import sliding_window_view

# 先对原数组做1个像素的填充，边缘越界位置用0填充（可按需调整填充规则）
pad_arr = np.pad(arr, pad_width=1, mode='constant', constant_values=0)
# 生成每个点对应的3x3邻域窗口
windows = sliding_window_view(pad_arr, window_shape=(3, 3))
# 提取你需要的四个邻域位置：3x3窗口内的(0,1)、(1,0)、(0,0)、(0,2)
neighbor_vals = windows[..., [0, 1, 0, 0], [1, 0, 0, 2]]

最终得到的neighbor_vals形状为(arr.shape[0], arr.shape[1], 4)，每个位置对应原数组坐标的四个邻域值，越界位置自动为填充值，不需要做任何索引判断。

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