【转】numpy中 meshgrid 和 mgrid 的区别和使用

转自:https://www.cnblogs.com/shenxiaolin/p/8854197.html

 

一、meshgrid函数

meshgrid函数通常使用在数据的矢量化上。

它适用于生成网格型数据,可以接受两个一维数组生成两个二维矩阵,对应两个数组中所有的(x,y)对。

 

示例展示:

【转】numpy中 meshgrid 和 mgrid 的区别和使用

【转】numpy中 meshgrid 和 mgrid 的区别和使用

 

 由上面的示例展示可以看出,meshgrid的作用是:

根据传入的两个一维数组参数生成两个数组元素的列表。

如果第一个参数是xarray,维度是xdimesion,

第二个参数是yarray,维度是ydimesion。

那么生成的第一个二维数组是以xarray为行,共ydimesion行的向量;

而第二个二维数组是以yarray的转置为列,共xdimesion列的向量。

 

 二、 mgrid函数

用法:返回多维结构,常见的如2D图形,3D图形。对比np.meshgrid,在处理大数据时速度更快,且能处理多维(np.meshgrid只能处理2维) 
ret = np.mgrid[ 第1维,第2维 ,第3维 , …] 
返回多值,以多个矩阵的形式返回,

第1返回值为第1维数据在最终结构中的分布,

第2返回值为第2维数据在最终结构中的分布,以此类推。(分布以矩阵形式呈现) 


例如np.mgrid[X , Y] 
样本(i,j)的坐标为 (X[i,j] ,Y[i,j]),X代表第1维,Y代表第2维,在此例中分别为横纵坐标。

例如1D结构(array),如下:

【转】numpy中 meshgrid 和 mgrid 的区别和使用
In [2]: import numpy as np

In [3]: pp=np.mgrid[-5:5:5j]

In [4]: pp
Out[4]: array([-5. , -2.5,  0. ,  2.5,  5. ])
【转】numpy中 meshgrid 和 mgrid 的区别和使用

例如2D结构 (2D矩阵),如下:

【转】numpy中 meshgrid 和 mgrid 的区别和使用
>>> pp = np.mgrid[-1:1:2j,-2:2:3j]
>>> x , y = pp
>>> x
array([[-1., -1., -1.],
       [ 1.,  1.,  1.]])
>>> y 
array([[-2.,  0.,  2.],
       [-2.,  0.,  2.]])
【转】numpy中 meshgrid 和 mgrid 的区别和使用

例如3D结构 (3D立方体),如下:

【转】numpy中 meshgrid 和 mgrid 的区别和使用
>>> pp = np.mgrid[-1:1:2j,-2:2:3j,-3:3:5j]
>>> print pp
[[[[-1.  -1.  -1.  -1.  -1. ]
   [-1.  -1.  -1.  -1.  -1. ]
   [-1.  -1.  -1.  -1.  -1. ]]

  [[ 1.   1.   1.   1.   1. ]
   [ 1.   1.   1.   1.   1. ]
   [ 1.   1.   1.   1.   1. ]]]


 [[[-2.  -2.  -2.  -2.  -2. ]
   [ 0.   0.   0.   0.   0. ]
   [ 2.   2.   2.   2.   2. ]]

  [[-2.  -2.  -2.  -2.  -2. ]
   [ 0.   0.   0.   0.   0. ]
   [ 2.   2.   2.   2.   2. ]]]


 [[[-3.  -1.5  0.   1.5  3. ]
   [-3.  -1.5  0.   1.5  3. ]
   [-3.  -1.5  0.   1.5  3. ]]

  [[-3.  -1.5  0.   1.5  3. ]
   [-3.  -1.5  0.   1.5  3. ]
   [-3.  -1.5  0.   1.5  3. ]]]]
【转】numpy中 meshgrid 和 mgrid 的区别和使用

 

三、meshgrid 和 mgrid 的区别

mgrid[[1:3:3j, 4:5:2j]] 
3j:3个点

    • 步长为复数表示点数,左闭右闭
    • 步长为实数表示间隔,左闭右开

【转】numpy中 meshgrid 和 mgrid 的区别和使用

 

上一篇:百度音乐标签页面


下一篇:稀疏表示分类