一句话解释numpy.meshgrid()
——生成网格点坐标矩阵。
关键词:网格点,坐标矩阵
网格点是什么?坐标矩阵又是什么?
看个图就明白了:
图中,每个交叉点都是网格点,描述这些网格点的坐标的矩阵,就是坐标矩阵。
再看个简单例子
A,B,C,D,E,F是6个网格点,坐标如图,如何用矩阵形式(坐标矩阵)来批量描述这些点的坐标呢?
答案如下:
这就是坐标矩阵——横坐标矩阵
中的每个元素,与纵坐标矩阵
中对应位置元素,共同构成一个点的完整坐标。如B点坐标(
,
)=(1,1)(X_{12},Y_{12})=(1,1)
下面可以自己用matplotlib来试一试,输出就是上边的图.
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='red', marker='.', linestyle='') # 线型为空,也即点与点之间不用线连接
plt.grid(True)
plt.show()
再举个例子
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,
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
plt.grid(True)
plt.show()
到这里,网格点和坐标矩阵的概念就解释清楚了。
那么问题来了,如果需要的图比较大,需要大量的网格点该怎么办呢?比如下面的这种
最直接但是最笨的方法,就是按照上面的方法把横纵坐标矩阵
,
写出来,然后再绘图。
很明显,对于网格点很多的情况根本没法用。有啥好的办法吗?
有的,注意到我们之前练习的坐标矩阵,其实有大量的重复。
的每一行都一样,
的每一列都一样。基于这种强烈的规律性,numpy提供的numpy.meshgrid()
函数可以让我们快速生成坐标矩阵
,
。
语法:X,Y = numpy.meshgrid(x, y)
输入的x,y,就是网格点的横纵坐标列向量(非矩阵)
输出的X,Y,就是坐标矩阵。
我们来试验一下:改写第一个例子中的代码,用numpy.meshgrid
来实现。
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()
[[0 1 2]
[0 1 2]]
[[0 0 0]
[1 1 1]]
从输出的结果来看,两种方法生成的坐标矩阵一模一样。