详解numpy.meshgrid()方法使用
人气:0一句话解释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？坐标矩阵又是什么鬼？
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
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', # 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()
如果对matplotlib不熟悉，可能只知道用一列横坐标（线性代数中的1维列向量），一列纵坐标生成（两者元素个数相等）一些点。但是实际上，给matplotlib的坐标信息是矩阵也是可以的，只要横纵坐标的尺寸一样。都会按照对应关系生成点。
但是有需要注意的地方，按照矩阵给坐标点信息，matplotlib会把横坐标矩阵中，每一列对应的点当做同一条线。
举个例子，把上面的代码plot的linestyle=''删掉，或者变成linestyle='-'（这个操作把图的线型改为默认状态），就会发现A-D是连接的，B-E是连接的，C-F是连接的，也即，会认为你输入的是3条线，如图
作为练习，自己试着生成如下结果
提示：线型等关键字参数设置可用如下代码
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
答案
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
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，注意到我们练习题中的坐标矩阵，其实有大量的重复——
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()
# 从输出的结果来看，两种方法生成的坐标矩阵一毛一样。 [[0 1 2] [0 1 2]] [[0 0 0] [1 1 1]]
最后给出上面这个图的代码
import numpy as np import matplotlib.pyplot as plt x = np.linspace(0,1000,20) y = np.linspace(0,500,20) X,Y = np.meshgrid(x, y) plt.plot(X, Y, color='limegreen', # 设置颜色为limegreen marker='.', # 设置点类型为圆点 linestyle='') # 设置线型为空，也即没有线连接点 plt.grid(True) plt.show()
参考文献
https:
您可能感兴趣的文章:
加载全部内容