python numpy学习

目录

1. np.meshgrid
2. np.where

1.np.meshgrid

可以生成一对协调的点，

x = np.arange(-5, 5, 1)
y = np.arange(-5, 5, 1)
xx, yy = np.meshgrid(x, y, sparse=True)
xx
#输出：array([[-5, -4, -3, -2, -1,  0,  1,  2,  3,  4]])

yy
#输出：
array([[-5],
       [-4],
       [-3],
       [-2],
       [-1],
       [ 0],
       [ 1],
       [ 2],
       [ 3],
       [ 4]])

如果把x改成：x = np.arange(-5, 10, 1)

那么xx会变成：

array([[-5, -4, -3, -2, -1,  0,  1,  2,  3,  4,  5,  6,  7,  8,  9]])

再来看一下另一个：

X1=np.arange(-1.5,1.5+0.05,0.05)
X2=np.arange(-3.5,2+0.05,0.05)
[x1,x2]=np.meshgrid(X1,X2)
f=100*(x2-x1**2)**2+(1-x1)**2; # 给定的函数
plt.contour(x1,x2,f,20) # 画出函数的20条轮廓线
plt.show()

其实主要看的，还是输出的东西是什么？

• 一目了然，X1，X2分别生成的是61，111的，间隔为0.05的行向量；
• 经过meshgrid函数之后，X1变成111行，61列,也就是说，X1由一列转成了行向量，之后，复制了111次，刚好这个111又是X2的元素个数。
• X2由原来的一列111个元素，复制了61次，变成111行，61列的数组

2.np.where

numpy.where(条件（布尔类型）,
           返回x (如果条件为True),
           返回y(如果条件为False))

测试一下：

np.where(4>5,4,5)
array(5)