详解numpy.meshgrid()方法使用

这篇文章主要介绍了详解numpy.meshgrid()方法使用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值。

一句话解释numpy.meshgrid()------生成网格点坐标矩阵。

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XXX中的每个元素,与纵坐标矩阵YYY中对应位置元素,共同构成一个点的完整坐标。如B点坐标

下面可以自己用matplotlib来试一试,输出就是上边的图

|-------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 1 2 3 4 5 6 7 8 9 10 11 12 13 | 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plotlinestyle='' 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

|---------|-------------------------------------------------------------------------------------------------------------------------------------|
| 1 2 3 4 | 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

|-------------------------------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 | 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XXX,YYY写出来,就像上面练习题中的

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------XXX的每一行都一样,YYY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XXX,YYY。

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。

|-------------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 | 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() |

|-----------|-----------------------------------------------------------------------------------------------------------------|
| 1 2 3 4 5 | # 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

|----------------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 | 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() |

相关推荐
南宫理的日知录30 分钟前
99、Python并发编程:多线程的问题、临界资源以及同步机制
开发语言·python·学习·编程学习
coberup39 分钟前
django Forbidden (403)错误解决方法
python·django·403错误
龙哥说跨境1 小时前
如何利用指纹浏览器爬虫绕过Cloudflare的防护?
服务器·网络·python·网络爬虫
小白学大数据1 小时前
正则表达式在Kotlin中的应用:提取图片链接
开发语言·python·selenium·正则表达式·kotlin
flashman9111 小时前
python在word中插入图片
python·microsoft·自动化·word
菜鸟的人工智能之路2 小时前
桑基图在医学数据分析中的更复杂应用示例
python·数据分析·健康医疗
懒大王爱吃狼3 小时前
Python教程:python枚举类定义和使用
开发语言·前端·javascript·python·python基础·python编程·python书籍
秃头佛爷4 小时前
Python学习大纲总结及注意事项
开发语言·python·学习
深度学习lover5 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
API快乐传递者6 小时前
淘宝反爬虫机制的主要手段有哪些?
爬虫·python