经验首页 前端设计 程序设计 Java相关 移动开发 数据库/运维 软件/图像 大数据/云计算 其他经验
当前位置:技术经验 » 程序设计 » NumPy » 查看文章
numpy中的meshgrid函数的使用
来源:jb51  时间:2019/8/1 12:23:22  对本文有异议

numpy官方文档meshgrid函数帮助文档https://docs.scipy.org/doc/numpy/reference/generated/numpy.meshgrid.html

  1. meshgrid(*xi, **kwargs)

功能:从一个坐标向量中返回一个坐标矩阵

参数:

x1,x2...,xn:数组,一维的数组代表网格的坐标。

indexing:{'xy','ij'},笛卡尔坐标'xy'或矩阵'ij'下标作为输出,默认的是笛卡尔坐标。

sparse:bool类型,如果为True,返回一个稀疏矩阵保存在内存中,默认是False。

copy:bool类型,如果是False,返回一个原始数组的视图保存在内存中,默认是True。如果,sparse和copy都为False,将有可能返回一个不连续的数组。而且,如果广播数组的元素超过一个,可以使用一个独立的内存。如果想要对这个数组进行写操作,请先拷贝这个数组。

返回值:x1,x2,....,xn:ndarray(numpy数组)

可能看完官方的文档之后还是一脸懵逼,下面通过几个例子来解释说明一下。 

  1. nx,ny = (3,2)
  2. #从0开始到1结束,返回一个numpy数组,nx代表数组中元素的个数
  3. x = np.linspace(0,1,nx)
  4. #[ 0. 0.5 1. ]
  5. y = np.linspace(0,1,ny)
  6. # [0. 1.]
  7. xv,yv = np.meshgrid(x,y)
  8. '''
  9. xv
  10. [[ 0. 0.5 1. ]
  11. [ 0. 0.5 1. ]]
  12. yv
  13. [[ 0. 0. 0.]
  14. [ 1. 1. 1.]]
  15. '''

通过上面的例子,其实可以发现meshgrid函数将两个输入的数组x和y进行扩展,前一个的扩展与后一个有关,后一个的扩展与前一个有关,前一个是竖向扩展,后一个是横向扩展。因为,y的大小为2,所以x竖向扩展为原来的两倍,而x的大小为3,所以y横向扩展为原来的3倍。通过meshgrid函数之后,输入由原来的数组变成了一个矩阵。通过使用meshgrid函数,可以产生一个表格矩阵,下面用一个例子来展示产生一个2*2网格的坐标,每个网格的大小为1。

  1. nx,ny = (3,3)
  2. #从0开始到1结束,返回一个numpy数组,nx代表数组中元素的个数
  3. x = np.linspace(0,2,nx)
  4. # [0. 1. 2.]
  5. y = np.linspace(0,2,ny)
  6. # [0. 1. 2.]
  7. xv,yv = np.meshgrid(x,y)
  8. print(xv.ravel())
  9. #[ 0. 1. 2. 0. 1. 2. 0. 1. 2.]
  10. print(yv.ravel())
  11. #[ 0. 0. 0. 1. 1. 1. 2. 2. 2.]

ravel函数是将矩阵变为一个一维的数组,其中xv.ravel()就表示x轴的坐标,yv.ravel()就表示了y轴的坐标,我们将x轴的坐标和y轴的坐标进行一一对应,就产生了一个2*2大小为1的网格中的9个点的坐标。

如果,将sparse参数设置为True,就不会向上面一样进行扩展了,也就是说它产生的网格坐标不是所有的网格坐标,而是网格对角线上的坐标点。

  1. nx,ny = (3,3)
  2. #从0开始到1结束,返回一个numpy数组,nx代表数组中元素的个数
  3. x = np.linspace(0,2,nx)
  4. # [0. 1. 2.]
  5. y = np.linspace(0,2,ny)
  6. # [0. 1. 2.]
  7. xv,yv = np.meshgrid(x,y,sparse=True)
  8. print(xv)
  9. #[[ 0. 1. 2.]]
  10. print(yv)
  11. '''
  12. [[ 0.]
  13. [ 1.]
  14. [ 2.]]
  15. '''

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持w3xue。

 友情链接:直通硅谷  点职佳  北美留学生论坛

本站QQ群:前端 618073944 | Java 606181507 | Python 626812652 | C/C++ 612253063 | 微信 634508462 | 苹果 692586424 | C#/.net 182808419 | PHP 305140648 | 运维 608723728

W3xue 的所有内容仅供测试,对任何法律问题及风险不承担任何责任。通过使用本站内容随之而来的风险与本站无关。
关于我们  |  意见建议  |  捐助我们  |  报错有奖  |  广告合作、友情链接(目前9元/月)请联系QQ:27243702 沸活量
皖ICP备17017327号-2 皖公网安备34020702000426号