meshgrid(numpy.meshgrid函數的作用是什么)

示例1,創建一個2行3列的網格點矩陣。

#!/usr/bin/envpython3#-*-coding:utf-8-*-importnumpyasnpimportmatplotlib.pyplotaspltX=np.array([[0,0.5,1],[0,0.5,1]])print("X的維度:{},shape:{}".format(X.ndim,X.shape))Y=np.array([[0,0,0],[1,1,1]])print("Y的維度:{},shape:{}".format(Y.ndim,Y.shape))plt.plot(X,Y,'o--')plt.grid(True)plt.show()

X矩陣是:[[0. 0.5 1. ],[0. 0.5 1. ]]

Y矩陣是:[[0 0 0],[1 1 1]]

step2. meshgrid()的作用;

當要描繪的 矩陣網格點的數據量小的時候,可以用上述方法構造網格點坐標數據;

但是如果是一個(256, 100)的整數矩陣網格,要怎樣構造數據呢?

方法1:將x軸上的100個整數點組成的行向量,重復256次,構成shape(256,100)的X矩陣;將y軸上的256個整數點組成列向量,重復100次構成shape(256,100)的Y矩陣

顯然方法1的數據構造過程很繁瑣,也不方便調用,那么有沒有更好的辦法呢?of course!!!

那么meshgrid()就顯示出它的作用了

使用meshgrid方法,你只需要構造一個表示x軸上的坐標的向量和一個表示y軸上的坐標的向量;然后作為參數給到meshgrid(),該函數就會返回相應維度的兩個矩陣;

例如,你想構造一個2行3列的矩陣網格點,那么x生成一個shape(3,)的向量,y生成一個shape(2,)的向量,將x,y傳入meshgrid(),最后返回的X,Y矩陣的shape(2,3)

示例2,使用meshgrid()生成step1中的網格點矩陣

x=np.array([0,0.5,1])y=np.array([0,1])xv,yv=np.meshgrid(x,y)print("xv的維度:{},shape:{}".format(xv.ndim,xv.shape))print("yv的維度:{},shape:{}".format(yv.ndim,yv.shape))plt.plot(xv,yv,'o--')plt.grid(True)plt.show()

示例3,生成一個20行30列的網格點矩陣

x=np.linspace(0,500,30)print("x的維度:{},shape:{}".format(x.ndim,x.shape))print(x)y=np.linspace(0,500,20)print("y的維度:{},shape:{}".format(y.ndim,y.shape))print(y)xv,yv=np.meshgrid(x,y)print("xv的維度:{},shape:{}".format(xv.ndim,xv.shape))print("yv的維度:{},shape:{}".format(yv.ndim,yv.shape))plt.plot(xv,yv,'.')plt.grid(True)plt.show()

step3. 詳細解讀meshgrid()的官網定義;

numpy.meshgrid(*xi,**kwargs)

Return coordinate matrices from coordinate vectors.

根據輸入的坐標向量生成對應的坐標矩陣

Parameters:
　　x1, x2,…, xn : array_like
　　　　1-D arrays representing the coordinates of a grid.
　　indexing : {‘xy', ‘ij'}, optional
　　　　Cartesian (‘xy', default) or matrix (‘ij') indexing of output. See Notes for more details.
　　sparse : bool, optional
　　　　If True a sparse grid is returned in order to conserve memory. Default is False.
　　copy : bool, optional
　　　　If False, a view into the original arrays are returned in order to conserve memory.
　　　　Default is True. Please note that sparse=False, copy=False will likely return non-contiguous arrays.
　　　　Furthermore, more than one element of a broadcast array may refer to a single memory location.
　　　　If you need to write to the arrays, make copies first.
Returns:
　　X1, X2,…, XN : ndarray
　　　　For vectors x1, x2,…, ‘xn' with lengths Ni=len(xi) ,
　　　　return (N1, N2, N3,...Nn) shaped arrays if indexing='ij'
　　　　or (N2, N1, N3,...Nn) shaped arrays if indexing='xy'
　　　　with the elements of xi repeated to fill the matrix along the first dimension for x1, the second for x2 and so on.

針對indexing參數的說明:

indexing只是影響meshgrid()函數返回的矩陣的表示形式,但并不影響坐標點

x=np.array([0,0.5,1])y=np.array([0,1])xv,yv=np.meshgrid(x,y)print("xv的維度:{},shape:{}".format(xv.ndim,xv.shape))print("yv的維度:{},shape:{}".format(yv.ndim,yv.shape))print(xv)print(yv)plt.plot(xv,yv,'o--')plt.grid(True)plt.show()

x=np.array([0,0.5,1])y=np.array([0,1])xv,yv=np.meshgrid(x,y,indexing='ij')print("xv的維度:{},shape:{}".format(xv.ndim,xv.shape))print("yv的維度:{},shape:{}".format(yv.ndim,yv.shape))print(xv)print(yv)plt.plot(xv,yv,'o--')plt.grid(True)plt.show()

關于numpy.meshgrid()函數的作用是什么就分享到這里了,希望以上內容可以對大家有一定的幫助,可以學到更多知識。如果覺得文章不錯,可以把它分享出去讓更多的人看到。