Numpy中Meshgrid函数基本用法及2种应用场景

目录

• 引言
• Meshgrid函数的基本用法
• Meshgrid函数的一些应用场景
• 总结

引言

近期在好几个地方都看到meshgrid的使用，虽然之前也注意到meshgrid的用法。

但总觉得印象不深刻，不是太了解meshgrid的应用场景。

所以，本文将进一步介绍Numpy中meshgrid的用法。

Meshgrid函数的基本用法

在Numpy的官方文章里，meshgrid函数的英文描述也显得文绉绉的，理解起来有些难度。

可以这么理解，meshgrid函数用两个坐标轴上的点在平面上画网格。

用法：

　　[X,Y]=meshgrid(x,y)

　　[X,Y]=meshgrid(x)与[X,Y]=meshgrid(x,x)是等同的

　　[X,Y,Z]=meshgrid(x,y,z)生成三维数组，可用来计算三变量的函数和绘制三维立体图

这里，主要以[X,Y]=meshgrid(x,y)为例，来对该函数进行介绍。

[X,Y] = meshgrid(x,y) 将向量x和y定义的区域转换成矩阵X和Y,其中矩阵X的行向量是向量x的简单复制，而矩阵Y的列向量是向量y的简单复制(注：下面代码中X和Y均是数组，在文中统一称为矩阵了)。

假设x是长度为m的向量，y是长度为n的向量，则最终生成的矩阵X和Y的维度都是 n*m （注意不是m*n）。

文字描述可能不是太好理解，下面通过代码演示下：

加载数据

import numpy as np
import matplotlib.pyplot as plt

%matplotlib inline

m, n = (5, 3)
x = np.linspace(0, 1, m)
y = np.linspace(0, 1, n)

X, Y = np.meshgrid(x,y)

查看向量x和向量y

x

out:
array([ 0.  ,  0.25,  0.5 ,  0.75,  1.  ])

y

out:
array([ 0. ,  0.5,  1. ])

查看矩阵X和矩阵Y

X

out:
array([[ 0.  ,  0.25,  0.5 ,  0.75,  1.  ],
       [ 0.  ,  0.25,  0.5 ,  0.75,  1.  ],
       [ 0.  ,  0.25,  0.5 ,  0.75,  1.  ]])

Y

out:
array([[ 0. ,  0. ,  0. ,  0. ,  0. ],
       [ 0.5,  0.5,  0.5,  0.5,  0.5],
       [ 1. ,  1. ,  1. ,  1. ,  1. ]])

查看矩阵对应的维度

X.shape

out:
(3, 5)

Y.shape

out:
(3, 5)

meshgrid函数的运行过程，可以通过下面的示意图来加深理解：

再者，也可以通过在matplotlib中进行可视化，来查看函数运行后得到的网格化数据的结果

plt.plot(X, Y, marker='.', color='blue', linestyle='none')
plt.show()

当然，我们也可以获得网格平面上坐标点的数据，如下：

z = [i for i in zip(X.flat,Y.flat)]
z

out:
[(0.0, 0.0),
 (0.25, 0.0),
 (0.5, 0.0),
 (0.75, 0.0),
 (1.0, 0.0),
 (0.0, 0.5),
 (0.25, 0.5),
 (0.5, 0.5),
 (0.75, 0.5),
 (1.0, 0.5),
 (0.0, 1.0),
 (0.25, 1.0),
 (0.5, 1.0),
 (0.75, 1.0),
 (1.0, 1.0)]

Meshgrid函数的一些应用场景

Meshgrid函数常用的场景有等高线绘制及机器学习中SVC超平面的绘制（二维场景下）。

分别图示如下：

（1）等高线

（2）SVC中超平面的绘制：

关于场景（1）和场景（2），将在后续的文章里做进一步描述。

当然，可能还有些其他场景，这里就不做进一步介绍了。

总结

到此这篇关于Numpy中Meshgrid函数基本用法及2种应用场景的文章就介绍到这了,更多相关Numpy Meshgrid函数用法内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！