示例1,创建一个2行3列的网格点矩阵。

#!/usr/bin/envpython3#-*-coding:utf-8-*-importnumpyasnpimportmatplotlib.pyplotaspltX=np.array([[0,0.5,1],[0,0.5,1]])print("X的维度:{},shape:{}".format(X.ndim,X.shape))Y=np.array([[0,0,0],[1,1,1]])print("Y的维度:{},shape:{}".format(Y.ndim,Y.shape))plt.plot(X,Y,'o--')plt.grid(True)plt.show()

X矩阵是:[[0. 0.5 1. ],[0. 0.5 1. ]]

Y矩阵是:[[0 0 0],[1 1 1]]

step2. meshgrid()的作用;

当要描绘的 矩阵网格点的数据量小的时候,可以用上述方法构造网格点坐标数据;

但是如果是一个(256, 100)的整数矩阵网格,要怎样构造数据呢?

方法1:将x轴上的100个整数点组成的行向量,重复256次,构成shape(256,100)的X矩阵;将y轴上的256个整数点组成列向量,重复100次构成shape(256,100)的Y矩阵

显然方法1的数据构造过程很繁琐,也不方便调用,那么有没有更好的办法呢?of course!!!

那么meshgrid()就显示出它的作用了

使用meshgrid方法,你只需要构造一个表示x轴上的坐标的向量和一个表示y轴上的坐标的向量;然后作为参数给到meshgrid(),该函数就会返回相应维度的两个矩阵;

例如,你想构造一个2行3列的矩阵网格点,那么x生成一个shape(3,)的向量,y生成一个shape(2,)的向量,将x,y传入meshgrid(),最后返回的X,Y矩阵的shape(2,3)

示例2,使用meshgrid()生成step1中的网格点矩阵

x=np.array([0,0.5,1])y=np.array([0,1])xv,yv=np.meshgrid(x,y)print("xv的维度:{},shape:{}".format(xv.ndim,xv.shape))print("yv的维度:{},shape:{}".format(yv.ndim,yv.shape))plt.plot(xv,yv,'o--')plt.grid(True)plt.show()

示例3,生成一个20行30列的网格点矩阵

x=np.linspace(0,500,30)print("x的维度:{},shape:{}".format(x.ndim,x.shape))print(x)y=np.linspace(0,500,20)print("y的维度:{},shape:{}".format(y.ndim,y.shape))print(y)xv,yv=np.meshgrid(x,y)print("xv的维度:{},shape:{}".format(xv.ndim,xv.shape))print("yv的维度:{},shape:{}".format(yv.ndim,yv.shape))plt.plot(xv,yv,'.')plt.grid(True)plt.show()

step3. 详细解读meshgrid()的官网定义;

numpy.meshgrid(*xi,**kwargs)

Return coordinate matrices from coordinate vectors.

根据输入的坐标向量生成对应的坐标矩阵

Parameters:
　　x1, x2,…, xn : array_like
　　　　1-D arrays representing the coordinates of a grid.
　　indexing : {‘xy', ‘ij'}, optional
　　　　Cartesian (‘xy', default) or matrix (‘ij') indexing of output. See Notes for more details.
　　sparse : bool, optional
　　　　If True a sparse grid is returned in order to conserve memory. Default is False.
　　copy : bool, optional
　　　　If False, a view into the original arrays are returned in order to conserve memory.
　　　　Default is True. Please note that sparse=False, copy=False will likely return non-contiguous arrays.
　　　　Furthermore, more than one element of a broadcast array may refer to a single memory location.
　　　　If you need to write to the arrays, make copies first.
Returns:
　　X1, X2,…, XN : ndarray
　　　　For vectors x1, x2,…, ‘xn' with lengths Ni=len(xi) ,
　　　　return (N1, N2, N3,...Nn) shaped arrays if indexing='ij'
　　　　or (N2, N1, N3,...Nn) shaped arrays if indexing='xy'
　　　　with the elements of xi repeated to fill the matrix along the first dimension for x1, the second for x2 and so on.

针对indexing参数的说明:

indexing只是影响meshgrid()函数返回的矩阵的表示形式,但并不影响坐标点

x=np.array([0,0.5,1])y=np.array([0,1])xv,yv=np.meshgrid(x,y)print("xv的维度:{},shape:{}".format(xv.ndim,xv.shape))print("yv的维度:{},shape:{}".format(yv.ndim,yv.shape))print(xv)print(yv)plt.plot(xv,yv,'o--')plt.grid(True)plt.show()

x=np.array([0,0.5,1])y=np.array([0,1])xv,yv=np.meshgrid(x,y,indexing='ij')print("xv的维度:{},shape:{}".format(xv.ndim,xv.shape))print("yv的维度:{},shape:{}".format(yv.ndim,yv.shape))print(xv)print(yv)plt.plot(xv,yv,'o--')plt.grid(True)plt.show()

关于numpy.meshgrid()函数的作用是什么就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到。