Python 中的 numpy.meshgrid()

Python 的 numpy 模块提供 meshgrid() 函数，用于借助表示 矩阵索引 或 笛卡尔索引 的给定一维数组创建矩形网格。MATLAB 在某种程度上启发了 meshgrid() 函数。 meshgrid() 函数根据坐标向量返回坐标矩阵。

在上图中，x 轴的范围从 -5 到 5，y 轴的范围从 -5 到 5。因此，图中总共有 121 个点被标记，每个点都有 x 坐标和 y 坐标。对于平行于 x 轴的任何线，标记点的 x 坐标分别为 -5、-4、-3、-2、-1、0、1、2、3、4 和 5。另一方面，对于平行于 y 轴的任何线，标记点的 y 坐标从下到上分别为 -5、-4、-3、-2、-1、0、1、2、3、4 和 5。

语法

参数

x1, x2,…, xn : array_like

此参数定义一维数组，表示网格的坐标。

indexing: {'xy', 'ij'}(可选)

这是一个可选参数，用于定义输出的笛卡尔 'xy'（默认）或矩阵 ('ij') 索引。

sparse: bool(可选)

此参数也是可选的。 如果我们需要一个稀疏网格来节省内存，我们必须将此参数设置为 True。 默认情况下，它设置为 False。

copy: bool(可选)

此可选参数的目的是它返回原始数组的副本以节省内存。 默认情况下，它设置为 False。

如果 sparse 和 copy 参数都设置为 False，那么它将返回非连续数组。 此外，广播数组的多个元素可以引用单个内存位置。 如果我们需要写入数组，那么我们首先需要进行复制。

返回值

X1, X2, …, Xn

该函数从坐标向量返回坐标长度。

示例 1

输出

array([[1.  , 1.25, 1.5 , 1.75, 2.  ],
       	[1.  , 1.25, 1.5 , 1.75, 2.  ],
       	[1.  , 1.25, 1.5 , 1.75, 2.  ]])
array([[1. , 1. , 1. , 1. , 1. ],
       	[1.5, 1.5, 1.5, 1.5, 1.5],
       	[2. , 2. , 2. , 2. , 2. ]])

在上面的代码中

• 我们使用别名 np 导入了 numpy。
• 我们创建了两个变量，即 na 和 nb，分别赋值为 5 和 3。
• 我们使用 linspace() 函数创建了两个数组，即 a 和 b。
• 之后，我们声明了变量“xa”和“xb”，并为 meshgrid() 赋值了返回值
• 我们在函数中传递了数组 'a' 和 'b'。
• 最后，我们尝试打印 'xa' 和 'xb' 的值。

在输出中，显示了两个数组，其中包含来自坐标向量的坐标长度。

示例 2

输出

array([[1.  , 1.25, 1.5 , 1.75, 2.  ]])
array([[1. ],
       	[1.5],
       	[2. ]])

示例 3

输出

在上面的代码中

• 我们使用别名 np 导入了 numpy。
• 我们已经导入了 matplotlib.pyplot 作为 plt。
• 我们使用 np.arange() 函数创建了两个数组，即 a 和 b。
• 之后，我们声明了变量“xa”和“xb”，并为 meshgrid() 赋值了返回值
• 我们在函数中传递了数组 'a' 和 'b'。
• 之后，我们声明了一个变量 z，并为 np.sine() 函数赋值了返回值。
• 最后，我们尝试使用 plt.contourf() 绘制等值线并填充等值线

在输出中，已绘制了等值线。

示例 4

输出

示例 5

输出