np.mgrid和np.stack

我来补充一下Iris数据绘图时用到的几个函数

一、 np.mgrid

# np.mgrid
import numpy as np
x1 = np.mgrid[1:5:1]
print(x1, '\n')

• 最原始的np.mgrid：创建一维数组，x = np.mgrid[a: b: c] 其中a和b表示左闭右开区间[a,b)，c（实数）表示步长

结果：[1 2 3 4]

x2 = np.mgrid[1:5:5j]
print(x2, '\n')

• np.mgrid[a: b: cj],加了一个j表示cj是一个复数（虚数），此时a和b构成闭区间[a.b],c表示[a.b]内的点数

结果：[1. 2. 3. 4. 5.] 

x, y = np.mgrid[1:5:5j, 1:4:4j]
print(x, '\n\n', y)

• 用 x, y = np.mgrid[a1:b1:c1j, a2:b2:c2j] 创建二维数组：x横坐标就是逗号前面的，每行的横坐标一样，从上到下依次为[a1:b1:c1j]表示的数列。y纵坐标，每列纵坐标一样，从左到右依次为[a2:b2:c2j]表示的数列。

结果：
[[1. 1. 1. 1.]
 [2. 2. 2. 2.]
 [3. 3. 3. 3.]
 [4. 4. 4. 4.]
 [5. 5. 5. 5.]] 

 [[1. 2. 3. 4.]
 [1. 2. 3. 4.]
 [1. 2. 3. 4.]
 [1. 2. 3. 4.]
 [1. 2. 3. 4.]]

• 更高维数组在加多一个坐标变量即可（比如三维坐标）

二、np.stack

np.stack中的stack就是堆叠的意思，可以将两个（几个）数组（arrays）堆叠在一起生成一个坐标集

np.stack常和np.mgrid结合使用，用np.mgrid从数据库中提取出属性的值生成坐标值x和y，再用np.stack将x和y堆叠生成（x，y）坐标集

详细用法见代码中的备注：

x1 = np.arange(4)
x2 = np.array([0, 1, 2])
# print(x2.shape, x1.shape)测试用
# 用array.shape查看该array的shape

x3 = np.arange(1, 5)
# 用np.arrange(起点，终点）生成左闭右开序列[起点，终点）
# print(x1, x3)测试用

x4 = np.stack((x1, x3), axis=0)
x5 = np.stack((x1, x3), axis=1)
'''
基本用法：np.stack((array1, array2, array3...arrayn), axis=k)
array1～n，表示n个要参与堆叠的数组；
axis=k，表示要堆叠第k维，得到的结果array中第k+1维变成n；
若axis=0，表示堆叠第1维（数组中0是第一个），即行的堆叠，array1和array2都排成行，一行行堆叠下去，故行数为2，第一维变成2
若axis=1，表示堆叠第二维，即列的堆叠，array1和array2都打竖排成列，再一列列排下去，故列数为2，第二维变成2
注意：all input arrays must have the same shape，所以x1和x2不能stack
'''
print(x4, '\n', x5, '\n')

y1 = np.array([[1, 2, 0], [3, 4, 0]])
y2 = np.array([[5, 6, 9], [7, 8, 9]])
y4 = np.array([[0, 6, 9], [7, 8, 9]])
# print(y1.shape, y2.shape)测试
# print(y2)测试
y3 = np.stack((y1, y2, y4), axis=0)
print(y3)
print(y3.shape)
# 可见第一维变成了3，因为按行堆叠了三个array，后面的2和3就是被堆叠array的原维数