作者:Lemonbit
Numpy中Meshgrid函数介绍及2种应用场景
近期在好几个地方都看到meshgrid的使用,虽然之前也注意到meshgrid的用法。
但总觉得印象不深刻,不是太了解meshgrid的应用场景。
所以,本文将进一步介绍Numpy中meshgrid的用法。
Meshgrid函数的基本用法
在Numpy的官方文章里,meshgrid函数的英文描述也显得文绉绉的,理解起来有些难度。
可以这么理解,meshgrid函数用两个坐标轴上的点在平面上画网格。
用法:
[X,Y]=meshgrid(x,y)
[X,Y]=meshgrid(x)与[X,Y]=meshgrid(x,x)是等同的
[X,Y,Z]=meshgrid(x,y,z)生成三维数组,可用来计算三变量的函数和绘制三维立体图
这里,主要以[X,Y]=meshgrid(x,y)为例,来对该函数进行介绍。
[X,Y] = meshgrid(x,y) 将向量x和y定义的区域转换成矩阵X和Y,其中矩阵X的行向量是向量x的简单复制,而矩阵Y的列向量是向量y的简单复制(注:下面代码中X和Y均是数组,在文中统一称为矩阵了)。
假设x是长度为m的向量,y是长度为n的向量,则最终生成的矩阵X和Y的维度都是 n*m (注意不是m*n)。
文字描述可能不是太好理解,下面通过代码演示下:
加载数据
importnumpyasnp
importmatplotlib.pyplotasplt
%matplotlib inline
m,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
x
out:
array([0.,0.25,0.5,0.75,1.])
y
out:
array([0.,0.5,1.])
查看矩阵X和矩阵Y
X
out:
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.]])
Y
out:
array([[0.,0.,0.,0.,0.],
[0.5,0.5,0.5,0.5,0.5],
[1.,1.,1.,1.,1.]])
查看矩阵对应的维度
X.shape
out:
(3,5)
Y.shape
out:
(3,5)
meshgrid函数的运行过程,可以通过下面的示意图来加深理解:
再者,也可以通过在matplotlib中进行可视化,来查看函数运行后得到的网格化数据的结果
plt.plot(X,Y,marker='.',color='blue',linestyle='none')
plt.show()
当然,我们也可以获得网格平面上坐标点的数据,如下:
z=[iforiinzip(X.flat,Y.flat)]
z
out:
[(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函数的一些应用场景
Meshgrid函数常用的场景有等高线绘制及机器学习中SVC超平面的绘制(二维场景下)。
分别图示如下:
(1)等高线
(2)SVC中超平面的绘制:
当然,可能还有些其他场景,这里就不做进一步介绍了。