看起来你需要生成一个包含所有0 ≤ i < x、0 ≤ j < y的整数坐标对(i,j)的numpy数组，对吧？这里有几种简单高效的实现方式：

方法1：使用np.indices（最简洁） #

np.indices可以直接生成多维索引矩阵，我们只需要把它重塑成坐标对的形式：

import numpy as np

x = 2
y = 3
coords = np.indices((x, y)).reshape(2, -1).T
print(coords)

输出结果：

[[0 0]
 [0 1]
 [0 2]
 [1 0]
 [1 1]
 [1 2]]

方法2：使用np.meshgrid #

如果你更熟悉网格生成的逻辑，可以用meshgrid配合展平操作：

import numpy as np

x = 2
y = 3

# 用indexing='ij'保证x维度先变化，和示例顺序一致
xx, yy = np.meshgrid(range(x), range(y), indexing='ij')
coords = np.stack([xx.ravel(), yy.ravel()], axis=1)
print(coords)

这个方法会先生成两个分别对应x、y坐标的二维网格，再展平后组合成坐标对数组，结果和上面完全一致。

方法3：结合itertools.product（适合理解笛卡尔积逻辑） #

如果你想先从Python基础的笛卡尔积入手，再转成numpy数组，可以用itertools.product：

import numpy as np
from itertools import product

x = 2
y = 3
coords = np.array(list(product(range(x), range(y))))
print(coords)

这个方法的逻辑很直观：生成所有x范围和y范围的元素组合，再转成numpy数组，同样能得到符合要求的结果。

以上几种方法生成的坐标顺序可能略有差异，但题目说明顺序无关紧要，所以都能满足你的需求。

内容的提问来源于stack exchange，提问作者user972014