NumPy meshgrid()

import numpy as np

# 1D arrays as x and y coordinates 
x = np.array([1, 2, 3])
y = np.array([10, 20])

# create a 2D grid using meshgrid
X, Y = np.meshgrid(x, y)

# print the created grid
print("X values:\n", X)
print("\nY values:\n", Y)

'''
Output: 
X values:
[[1 2 3]
 [1 2 3]]

Y values:
 [[10 10 10]
 [20 20 20]]
'''

meshgrid() 语法

meshgrid() 的语法是

numpy.meshgrid(*xi, copy = True, sparse = False, indexing = 'xy')

meshgrid() 参数

meshgrid() 方法接受以下参数

• *xi- 表示网格坐标的一维数组
• indexing(可选)- 指定网格的索引（'xy'（笛卡尔，默认）或'ij'（矩阵））
• sparse(可选)-一个 bool 值，如果为 True，则返回稀疏网格
• copy(可选)- 如果为 True（默认），则创建副本；如果为 False，则返回视图

meshgrid() 返回值

meshgrid() 方法从坐标向量返回坐标矩阵。

示例 1：创建二维网格

import numpy as np

# create 1D arrays
x = np.array([1, 2, 3])
y = np.array([1, 2, 3])

# create a 2D grid using meshgrid
X, Y = np.meshgrid(x, y)

# print the created grid
print("X values:\n", X)
print("Y values:\n", Y)

输出

X values:
[[1 2 3]
 [1 2 3]
 [1 2 3]]
Y values:
 [[1 1 1]
 [2 2 2]
 [3 3 3]]

该代码创建了一个二维网格，其中 X 和 Y 的值表示网格点的坐标。

X 数组表示网格点的 x 坐标，其中每行包含相同的 x 值 [1, 2, 3]。Y 数组表示网格点的 y 坐标，其中每列包含相同的 y 值 [1, 2, 3]。

要可视化 meshgrid() 的结果，我们可以使用 matplotlib。

import numpy as np
import matplotlib.pyplot as plt

# create 1D arrays
x = np.array([1, 2, 3])
y = np.array([1, 2, 3])

# create a 2D grid using meshgrid
X, Y = np.meshgrid(x, y)

# create a scatter plot
plt.scatter(X, Y)

# set labels and title
plt.xlabel('X')
plt.ylabel('Y')
plt.title('meshgrid() to create grid')

# show the plot
plt.show()

输出

示例 2：二维网格中的索引

在 NumPy 的 meshgrid() 方法中，indexing 参数允许您指定使用的索引方案。

meshgrid() 有两个 indexing 选项：'xy' 和 'ij'。

在 xy 索引方法中，第一个索引引用行（y 坐标），第二个索引引用列（x 坐标）。

在 ij 索引方法中，第一个索引引用列（i 坐标），第二个索引引用行（j 坐标）。

让我们看一个例子。

import numpy as np

# create 1D arrays
x = np.array([1, 2, 3])
y = np.array([10, 20])

# using xy indexing in meshgrid
XX, YY = np.meshgrid(x, y, indexing='xy')
print("Using xy indexing:")
print("XX values:\n", XX)
print("YY values:\n", YY)
print()

# using ij indexing in meshgrid
XX, YY = np.meshgrid(x, y, indexing='ij')
print("Using ij indexing:")
print("XX values:\n", XX)
print("YY values:\n", YY)

输出

Using xy indexing:
XX values:
[[1 2 3]
 [1 2 3]]
YY values:
 [[10 10 10]
 [20 20 20]]

Using ij indexing:
XX values:
 [[1 1]
 [2 2]
 [3 3]]
YY values:
 [[10 20]
 [10 20]
 [10 20]]

使用 indexing='xy' 时，第一个数组 XX 对应于 x 坐标，第二个数组 YY 对应于 y 坐标。

使用 indexing='ij' 时，第一个数组 XX 对应于 i 坐标，第二个数组 YY 对应于 j 坐标。

示例 3：在 meshgrid 中使用 sparse 参数

您可以创建稀疏输出数组以节省内存和计算时间。

import numpy as np

# create 1D arrays
x = np.array([1, 2, 4])
y = np.array([10, 20, 30, 40])

# create a  grid 
XX, YY = np.meshgrid(x, y)
print("Grid: ")
print("XX values:\n", XX)
print("YY values:\n", YY)

# create a sparse grid
XX, YY = np.meshgrid(x, y, sparse=True)
print("Sparse Grid: ")
print("XX values:\n", XX)
print("YY values:\n", YY)

输出

Grid: 
XX values:
[[1 2 4]
 [1 2 4]
 [1 2 4]
 [1 2 4]]
YY values:
 [[10 10 10]
 [20 20 20]
 [30 30 30]
 [40 40 40]]

Sparse Grid: 
XX values:
 [[1 2 4]]
YY values:
 [[10]
 [20]
 [30]
 [40]]

相关主题

• ogrid()：一个 NumPy 函数，在您为每个维度指定开始、停止和步长值后，它会创建一个稀疏的多维值网格。

• mgrid()：一个 NumPy 函数，在您为每个维度指定开始、停止和步长值后，它会创建一个密集的多维值网格。

Let's look at an example.

import numpy as np

# using mgrid to create a dense multi-dimensional grid
mGridX, mGridY = np.mgrid[0:10:2, 0:5]

print('For mgrid,')
print('X values:\n', mGridX)  
print('Y values:\n', mGridY) 

# using ogrid to create an open multi-dimensional grid
oGridX, oGridY = np.ogrid[0:10:2, 0:5]

print('\nFor ogrid,')
print('X values:\n', oGridX) 
print('Y values:\n', oGridY)

输出

For mgrid,
X values:
[[0 0 0 0 0]
 [2 2 2 2 2]
 [4 4 4 4 4]
 [6 6 6 6 6]
 [8 8 8 8 8]] 
Y values:
 [[0 1 2 3 4]
 [0 1 2 3 4]
 [0 1 2 3 4]
 [0 1 2 3 4]
 [0 1 2 3 4]]

For ogrid,
X values:
[[0]
 [2]
 [4]
 [6]
 [8]] 
Y values:
 [[0 1 2 3 4]]