Numpy中Meshgrid函數介紹及2種應用場景

近期在好幾個地方都看到meshgrid的使用，雖然之前也注意到meshgrid的用法。

但總覺得印象不深刻，不是太了解meshgrid的應用場景。

所以，本文將進一步介紹Numpy中meshgrid的用法。

Meshgrid函數的基本用法

在Numpy的官方文章里，meshgrid函數的英文描述也顯得文縐縐的，理解起來有些難度。

可以這麼理解，meshgrid函數用兩個坐標軸上的點在平面上畫網格。

用法：

　　[X,Y]=meshgrid(x,y)

　　[X,Y]=meshgrid(x)與[X,Y]=meshgrid(x,x)是等同的

　　[X,Y,Z]=meshgrid(x,y,z)生成三維數組，可用來計算三變數的函數和繪製三維立體圖

這裡，主要以[X,Y]=meshgrid(x,y)為例，來對該函數進行介紹。

[X,Y] = meshgrid(x,y) 將向量x和y定義的區域轉換成矩陣X和Y,其中矩陣X的行向量是向量x的簡單複製，而矩陣Y的列向量是向量y的簡單複製(註：下面代碼中X和Y均是數組，在文中統一稱為矩陣了)。

假設x是長度為m的向量，y是長度為n的向量，則最終生成的矩陣X和Y的維度都是 nm （注意不是mn）。

文字描述可能不是太好理解，下面通過代碼演示下：

載入數據

import numpy as npimport matplotlib.pyplot as plt%matplotlib inlinem, n = (5, 3)x = np.linspace(0, 1, m)y = np.linspace(0, 1, n)X, Y = np.meshgrid(x,y)

查看向量x和向量y

xout:array([ 0. , 0.25, 0.5 , 0.75, 1. ])yout:array([ 0. , 0.5, 1. ])

查看矩陣X和矩陣Y

Xout:array([[ 0. , 0.25, 0.5 , 0.75, 1. ],[ 0. , 0.25, 0.5 , 0.75, 1. ],[ 0. , 0.25, 0.5 , 0.75, 1. ]])Yout:array([[ 0. , 0. , 0. , 0. , 0. ],[ 0.5, 0.5, 0.5, 0.5, 0.5],[ 1. , 1. , 1. , 1. , 1. ]])

查看矩陣對應的維度

X.shapeout:(3, 5)Y.shapeout:(3, 5)

meshgrid函數的運行過程，可以通過下面的示意圖來加深理解：

再者，也可以通過在matplotlib中進行可視化，來查看函數運行後得到的網格化數據的結果

plt.plot(X, Y, marker=".", color="blue", linestyle="none")plt.show()

當然，我們也可以獲得網格平面上坐標點的數據，如下：

z = [i for i in zip(X.flat,Y.flat)]zout:[(0.0, 0.0),(0.25, 0.0),(0.5, 0.0),(0.75, 0.0),(1.0, 0.0),(0.0, 0.5),(0.25, 0.5),(0.5, 0.5),(0.75, 0.5),(1.0, 0.5),(0.0, 1.0),(0.25, 1.0),(0.5, 1.0),(0.75, 1.0),(1.0, 1.0)]

Meshgrid函數的一些應用場景

Meshgrid函數常用的場景有等高線繪製及機器學習中SVC超平面的繪製（二維場景下）。

分別圖示如下：

（1）等高線

（2）SVC中超平面的繪製：

關於場景（1）和場景（2），將在後續的文章里做進一步描述。

當然，可能還有些其他場景，這裡就不做進一步介紹了。

如果您喜歡我的文章，歡迎關注微信公眾號：Python數據之道（ID：PyDataRoad）

推薦閱讀：