numpy中的meshgrid函数的使用
numpy官方文档meshgrid函数帮助文档https://docs.scipy.org/doc/numpy/reference/generated/numpy.meshgrid.html
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。
nx,ny = (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 x = np.linspace(0,1,nx) #[ 0. 0.5 1. ] y = np.linspace(0,1,ny) # [0. 1.] xv,yv = np.meshgrid(x,y) ''' xv [[ 0. 0.5 1. ] [ 0. 0.5 1. ]] yv [[ 0. 0. 0.] [ 1. 1. 1.]] '''
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。
nx,ny = (3,3) #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 x = np.linspace(0,2,nx) # [0. 1. 2.] y = np.linspace(0,2,ny) # [0. 1. 2.] xv,yv = np.meshgrid(x,y) print(xv.ravel()) #[ 0. 1. 2. 0. 1. 2. 0. 1. 2.] print(yv.ravel()) #[ 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。
nx,ny = (3,3) #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 x = np.linspace(0,2,nx) # [0. 1. 2.] y = np.linspace(0,2,ny) # [0. 1. 2.] xv,yv = np.meshgrid(x,y,sparse=True) print(xv) #[[ 0. 1. 2.]] print(yv) ''' [[ 0.] [ 1.] [ 2.]] '''
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我们。
相关推荐
-
关于numpy中np.nonzero()函数用法的详解
np.nonzero函数是numpy中用于得到数组array中非零元素的位置(数组索引)的函数.一般来说,通过help(np.nonzero)能够查看到该函数的解析与例程.但是,由于例程为英文缩写,阅读起来还是很费劲,因此,本文将其英文解释翻译成中文,便于理解. 解释 nonzero(a) 返回数组a中非零元素的索引值数组. (1)只有a中非零元素才会有索引值,那些零值元素没有索引值: (2)返回的索引值数组是一个2维tuple数组,该tuple数组中包含一维的array数组.其中,一维arra
-
numpy下的flatten()函数用法详解
flatten是numpy.ndarray.flatten的一个函数,其官方文档是这样描述的: ndarray.flatten(order='C') Return a copy of the array collapsed into one dimension. Parameters: order : {'C', 'F', 'A', 'K'}, optional 'C' means to flatten in row-major (C-style) order. 'F' means to f
-
numpy.linspace函数具体使用详解
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) 在指定的间隔内返回均匀间隔的数字. 返回num均匀分布的样本,在[start, stop]. 这个区间的端点可以任意的被排除在外. Parameters(参数): start : scalar(标量) The starting value of the sequence(序列的起始点). stop : scalar 序列的结束点,除非endp
-
Numpy之random函数使用学习
random模块用于生成随机数,下面看看模块中一些常用函数的用法: numpy.random.rand(d0, d1, ..., dn):生成一个[0,1)之间的随机浮点数或N维浮点数组. #numpy.random.rand(d0, d1, ..., dn) import numpy as np #无参 np.random.rand()#生成生成[0,1)之间随机浮点数 type(np.random.rand())#float #d0,d1....表示传入的数组形状 #一个参数 np.rand
-
NumPy 数学函数及代数运算的实现代码
一.实验介绍 1.1 实验内容 如果你使用 Python 语言进行科学计算,那么一定会接触到NumPy.NumPy 是支持 Python 语言的数值计算扩充库,其拥有强大的多维数组处理与矩阵运算能力.除此之外,NumPy 还内建了大量的函数,方便你快速构建数学模型. 1.2 实验知识点 NumPy 安装 NumPy 数值类型介绍 1.3 实验环境 Python3 Jupyter Notebook 1.4 适合人群 本课程难度为一般,属于初级级别课程,适合具有 Python 基础,并对使用 Num
-
Python的numpy库下的几个小函数的用法(小结)
numpy库是Python进行数据分析和矩阵运算的一个非常重要的库,可以说numpy让Python有了matlab的味道 本文主要介绍几个numpy库下的小函数. 1.mat函数 mat函数可以将目标数据的类型转换为矩阵(matrix) import numpy as np >>a=[[1,2,3,], [3,2,1]] >>type(a) >>list >>myMat=np.mat(a) >>myMat >>matrix([[1,2
-
Python numpy 常用函数总结
Numpy是什么 在没给大家介绍numpy之前先给大家说下python的基本概念. Python 是一种高级的,动态的,多泛型的编程语言.Python代码很多时候看起来就像是伪代码一样,因此你可以使用很少的几行可读性很高的代码来实现一个非常强大的想法. numpy很简单,Numpy是Python的一个科学计算的库,提供了矩阵运算的功能,其一般与Scipy.matplotlib一起使用.其实,list已经提供了类似于矩阵的表示形式,不过numpy为我们提供了更多的函数. 数组 数组常用函数 1.w
-
浅谈numpy中linspace的用法 (等差数列创建函数)
linspace 函数 是创建等差数列的函数, 最好是在 Matlab 语言中见到这个函数的,近期在学习Python 中的 Numpy, 发现也有这个函数,以下给出自己在学习过程中的一些总结. (1)指定起始点 和 结束点. 默认 等差数列个数为 50. (2)指定等差数列个数 (3)如果数列的元素个数指定, 可以设置 结束点 状态. endpoint : bool, optional If True, stop is the last sample. Otherwise, it is not
-
Python实现Mysql数据统计及numpy统计函数
Python实现Mysql数据统计的实例代码如下所示: import pymysql import xlwt excel=xlwt.Workbook(encoding='utf-8') sheet=excel.add_sheet('Mysql数据库') sheet.write(0,0,'库名') sheet.write(0,1,'表名') sheet.write(0,2,'数据条数') db=pymysql.connect('192.168.1.74','root','123456','xx1'
-
Numpy中stack(),hstack(),vstack()函数用法介绍及实例
1.stack()函数 函数原型为:stack(arrays,axis=0),arrays可以传数组和列表.axis的含义我下面会讲解,我们先来看个例子,然后我会分析输出结果. import numpy as np a=[[1,2,3], [4,5,6]] print("列表a如下:") print(a) print("增加一维,新维度的下标为0") c=np.stack(a,axis=0) print(c) print("增加一维,新维度的下标为1&qu