numpy.meshgrid¶

numpy.meshgrid(*xi, copy=True, sparse=False, indexing='xy')[源代码]¶

从坐标向量返回坐标矩阵。

在给定一维坐标阵列x1，x2，…，xn的情况下，为N-D网格上N-D标量/矢量场的矢量化计算制作N-D坐标阵列。

在 1.9 版更改: 允许1-D和0-D案例。

参数

x1，x2，…，xnarray_like: 表示网格坐标的一维数组。
indexing'xy'、'ij'，可选: 输出的笛卡尔（“xy”，默认）或矩阵（“ij”）索引。有关详细信息，请参阅注释。

1.7.0 新版功能.
sparse可选的布尔: 如果为真，则返回稀疏网格以节省内存。默认值为假。

1.7.0 新版功能.
copy可选的布尔: 如果为false，则返回原始数组中的视图以节省内存。默认值为true。请注意 sparse=False, copy=False 可能返回非连续数组。此外，广播阵列的多个元素可以指代单个存储器位置。如果需要写入数组，请先复制。

1.7.0 新版功能.

返回

x1，x2，…，xn恩达雷: 对于向量 x1 ， x2 ，…，'xn'带长度 Ni=len(xi) 返回 (N1, N2, N3,...Nn) 如果索引为“ij”或 (N2, N1, N3,...Nn) 如果索引为“xy”且元素为 xi 重复以沿第一个维度填充矩阵 x1 ，第二个 x2 等等。

参见

mgrid: 使用索引表示法构造多维“网格网格”。
ogrid: 使用索引符号构造一个开放的多维“网格”。

笔记

此函数通过indexing关键字参数支持两种索引约定。给定字符串“ij”将返回带矩阵索引的网格网格，而“xy”将返回带笛卡尔索引的网格。在输入长度为m和n的二维情况下，输出的形状（n，m）用于“xy”索引，而（m，n）用于“ij”索引。在输入长度为m、n和p的三维情况下，输出的形状（n、m、p）用于“xy”索引，而（m、n、p）用于“ij”索引。不同之处由以下代码段说明：

xv, yv = np.meshgrid(x, y, sparse=False, indexing='ij')
for i in range(nx):
    for j in range(ny):
        # treat xv[i,j], yv[i,j]

xv, yv = np.meshgrid(x, y, sparse=False, indexing='xy')
for i in range(nx):
    for j in range(ny):
        # treat xv[j,i], yv[j,i]

在一维和0-D情况下，索引和稀疏关键字没有效果。

实例

>>> nx, ny = (3, 2)
>>> x = np.linspace(0, 1, nx)
>>> y = np.linspace(0, 1, ny)
>>> xv, yv = np.meshgrid(x, y)
>>> xv
array([[0. , 0.5, 1. ],
       [0. , 0.5, 1. ]])
>>> yv
array([[0.,  0.,  0.],
       [1.,  1.,  1.]])
>>> xv, yv = np.meshgrid(x, y, sparse=True)  # make sparse output arrays
>>> xv
array([[0. ,  0.5,  1. ]])
>>> yv
array([[0.],
       [1.]])

meshgrid 对于在网格上计算函数非常有用。

>>> import matplotlib.pyplot as plt
>>> x = np.arange(-5, 5, 0.1)
>>> y = np.arange(-5, 5, 0.1)
>>> xx, yy = np.meshgrid(x, y, sparse=True)
>>> z = np.sin(xx**2 + yy**2) / (xx**2 + yy**2)
>>> h = plt.contourf(x,y,z)
>>> plt.show()

numpy.geomspace numpy.mgrid