通俗理解numpy.meshgrid()

先解释：生成网格点坐标矩阵

通俗理解：二维坐标下，形成的一个一个的网格点

 

1.理解网格点， 6个点的图像

 

看到上述图中的点有 (0, 0,), (1, 0), (2, 0), (0, 1), (1, 1), (2, 1)

那么，用矩阵或者二维数组表示为

>>> x = np.array([[0, 1, 2], [0, 1, 2]])
>>> y = np.array([[0, 0, 0], [1, 1, 1]])
>>> x
array([[0, 1, 2],
       [0, 1, 2]])
>>> y
array([[0, 0, 0],
       [1, 1, 1]])

需要完整的6个点，描述了一副坐标图，下面是完整的代码：

import numpy as np
import matplotlib.pyplot as plt

x = np.array([[0, 1, 2], [0, 1, 2]])
y = np.array([[0, 0, 0], [1, 1, 1]])


plt.plot(x, y,
         color='r',  		# 全部点设置为红色
         marker='.',  	# 点的形状为圆点
         linestyle='')  # 线型为空，也即点与点之间不用线连接
plt.grid(True)
plt.show()

在这里的plt.plot()中的参数可以自由调整，显示不同形式的图，也可以不加样式参数试一下

比如：

plt.plot(x, y,
         marker='.',  			# 点的形状为圆点
         markersize=10, 	 	# 点设置大一点，看着清楚
         linestyle='-.')  	        # 线型为点划线

# 不加样式参数
plt.plot(x, y)

 

---

 

2.理解网格点， 16个点的图像

 

 

看下面的16个点的初始化设定，是不是感觉有点很多

代码：

import numpy as np
import matplotlib.pyplot as plt

x = np.array([[0, 1, 2, 3],
              [0, 1, 2, 3],
              [0, 1, 2, 3],
              [0, 1, 2, 3]])
y = np.array([[0, 0, 0, 0],
              [1, 1, 1, 1],
              [2, 2, 2, 2],
              [3, 3, 3, 3]])


plt.plot(x, y,
            color='r',  		    # 全部点设置为红色
            marker='.',  	        # 点的形状为圆点
            linestyle='')          # 线型为空，也即点与点之间不用线连接
plt.grid(True)
plt.show()

那么， 如果网格点超级多呢，是不是还的一个又一个的都弄出来

 

这个时候就用到了numpy.meshgrid()方法

 

---

3.理解网格点，使用numpy.meshgrid()实现

基于网格点的规律性，可以使用numpy.meshgrid()直接生成想要的网格点就好了

还以二维平面举例：给定X轴和Y轴所有的点，将X和Y放到两个数组，进行笛卡尔乘积，从而得到所有的点。

举例：

import numpy as np
import matplotlib.pyplot as plt

x = np.array([0, 1, 2])
y = np.array([0, 1])

X, Y = np.meshgrid(x, y)
print(X)
print(Y)


plt.plot(X, Y,
         color='red',  	# 全部点设置为红色
         marker='.',  	# 点的形状为圆点
         linestyle='')  # 线型为空，也即点与点之间不用线连接
plt.grid(True)
plt.show()

 

 

 

是不是这样就很好理解了！

但是有一点，numpy.meshgrid()只能处理二维