📌  相关文章
📜  Python numpy.meshgrid()

📅  最后修改于: 2020-10-27 08:12:53             🧑  作者: Mango

Python的numpy.meshgrid()

Python的numpy模块提供了meshgrid()函数，该函数借助表示矩阵索引或笛卡尔索引的给定一维数组来创建矩形网格。 MATLAB有点启发了meshgrid()函数。从坐标矢量，meshgrid()函数返回坐标矩阵。

在上图中，x轴的范围是-5到5，y轴的范围是-5到5。因此，图中总共标记了121个点，每个点都有x坐标和y坐标。对于平行于x轴的任何直线，标记点的x坐标分别为-5，-4，-3，-2，-1、0、1、2、3、4和5。另一方面，对于平行于y轴的任何线，从下到上的标记点的y坐标为-5，-4，-3，-2，-1、0、1、2、3 ，4和5。

句法

numpy.meshgrid(*xi, **kwargs)

参量

x1，x2，…，xn：array_like

此参数定义一维数组，该数组代表网格的坐标。

索引：{‘xy’，’ij’}(可选)

这是一个可选参数，用于定义输出的笛卡尔’xy'(默认情况下)或矩阵(‘ij’)索引。

稀疏：布尔(可选)

此参数也是可选的。如果需要稀疏的网格来节省内存，则必须将此参数设置为True。默认情况下，它设置为False。

复制：bool(可选)

此可选参数的目的是返回原始数组的副本以节省内存。默认情况下，它设置为False。

如果稀疏和复制参数都设置为False，则它将返回非连续数组。此外，广播阵列中的一个以上元素可以引用一个存储位置。如果我们需要写入数组，那么我们必须先制作副本。

退货

X1，X2，…，Xn

此函数返回坐标向量的坐标长度。

范例1：

import numpy as np
na, nb = (5, 3)
a = np.linspace(1, 2, na)
b = np.linspace(1, 2, nb)
xa, xb = np.meshgrid(a, b)
xa
xb

输出：

array([[1.  , 1.25, 1.5 , 1.75, 2.  ],
           [1.  , 1.25, 1.5 , 1.75, 2.  ],
           [1.  , 1.25, 1.5 , 1.75, 2.  ]])
array([[1. , 1. , 1. , 1. , 1. ],
           [1.5, 1.5, 1.5, 1.5, 1.5],
           [2. , 2. , 2. , 2. , 2. ]])

在上面的代码中

  • 我们导入了别名为np的numpy。
  • 我们创建了两个变量na和nb，并分别指定了值5和3。
  • 我们使用linspace()函数创建了两个数组，即a和b。
  • 之后，我们声明了变量“ xa”和“ xb”，并指定了返回的meshgrid()值。
  • 我们已经在函数传递了数组“ a”和“ b”
  • 最后，我们尝试print‘xa’和‘xb’的值。

在输出中，显示了两个数组，其中包含来自坐标向量的坐标长度。

范例2：

import numpy as np
na, nb = (5, 3)
a = np.linspace(1, 2, na)
b = np.linspace(1, 2, nb)
xa, xb = np.meshgrid(a, b, sparse=True)
xa
xb

输出：

array([[1.  , 1.25, 1.5 , 1.75, 2.  ]])
array([[1. ],
           [1.5],
           [2. ]])

范例3：

import numpy as np
import matplotlib.pyplot as plt
a = np.arange(-10, 10, 0.1)
b = np.arange(-10, 10, 0.1)
xa, xb = np.meshgrid(a, b, sparse=True)
z = np.sin(xa**2 + xb**2) / (xa**2 + xb**2)
h = plt.contourf(a,b,z)
plt.show()

输出：

在上面的代码中

  • 我们导入了别名为np的numpy。
  • 我们已经将matplotlib.pyplot导入为plt。
  • 我们使用np.arange()函数创建了两个数组，即a和b。
  • 之后，我们声明了变量“ xa”和“ xb”，并指定了返回的meshgrid()值。
  • 我们已经在函数同时传递了数组’a’和’b’。
  • 之后，我们声明了一个变量z并分配了np.sine()函数的返回值。
  • 最后，我们尝试使用plt.contourf()绘制轮廓线和填充轮廓

在输出中，绘制了轮廓线。

范例4：

import numpy as np
import matplotlib.pyplot as plt
a = np.linspace(-5, 5, 5)
b = np.linspace(-5, 5, 11)
random_data = np.random.random((11, 5))
xa, xb = np.meshgrid(a, b)
plt.contourf(xa, xb, random_data, cmap = 'jet')
plt.colorbar()
plt.show()

输出：

范例5：

import numpy as np
import matplotlib.pyplot as plt
a = np.linspace(-5, 5, 5)
b = np.linspace(-5, 5, 11)
random_data = np.random.random((11, 5))
xa, xb = np.meshgrid(a, b)
sine = (np.sin(xa**2 + xb**2))/(xa**2 + xb**2)
plt.contourf(xa, xb, sine, cmap = 'jet')
plt.colorbar()
plt.show()

输出：