numpy中的 numpy.c_ numpy.ravel numpy.mgrid的理解

这三个函数一般用于绘制网格坐标点，自己在学习的时候也遇到了疑惑，现在做一个笔记整理一下。

1、numpy中的mgrid

首先看一个例子

x,y = np.mgrid[-3:3:1,-3:3:1]

这里我要生成一个从-3到2的矩阵步长为1（结果为：-3,-2,-1,0,1,2），注意mgrid是左闭右开，那么生成的x和y都是什么样子的呢，生成的x按列展开，y按行展开，x和y的大小由mgrid[-3:3:1,-3:3:1]的步长决定，mgrid中括号中第一组-3到3每隔1取一个值，共6个，第二组-3到3每隔1取一个值，共6个，所以最后是6*6的矩阵，x按列展开，列的结构为[-3,-2,-1,0,1,2]T（T为转置），然后把x复制6列，我们看一下结果。

x,y = np.mgrid[-3:3:1,-3:3:1]
x
Out[37]:
array([[-3, -3, -3, -3, -3, -3],[-2, -2, -2, -2, -2, -2],[-1, -1, -1, -1, -1, -1],[ 0,  0,  0,  0,  0,  0],[ 1,  1,  1,  1,  1,  1],[ 2,  2,  2,  2,  2,  2]])

同理y按行展开行结构为[-3,-2,-1,0,1,2]，复制6行

y
Out[38]:
array([[-3, -2, -1,  0,  1,  2],[-3, -2, -1,  0,  1,  2],[-3, -2, -1,  0,  1,  2],[-3, -2, -1,  0,  1,  2],[-3, -2, -1,  0,  1,  2],[-3, -2, -1,  0,  1,  2]])

现在我们再看一个例子

x,y = np.mgrid[-3:3:2,-3:3:1]

同理我们先看mgrid中括号里边的第一组-3:3:2，生成的数据为-3，-1,1，总长为3，第二组-3:3:1，生成的数据为-3,-2,-1,0,1,2，总长为6，那么最后的结果就是x和y是3*6的矩阵，x同样按照列展开，列结果为[-3，-1,1]T（T为转置），复制6列，x结果

x,y = np.mgrid[-3:3:2,-3:3:1]
x
Out[40]:
array([[-3, -3, -3, -3, -3, -3],[-1, -1, -1, -1, -1, -1],[ 1,  1,  1,  1,  1,  1]])

y按照行展开，每行为[-3,-2,-1,0,1,2]，然后复制3行，y结果为

y
Out[41]:
array([[-3, -2, -1,  0,  1,  2],[-3, -2, -1,  0,  1,  2],[-3, -2, -1,  0,  1,  2]])

2、ravel函数

ravel函数就是将一个矩阵拉直，我们以x,y = np.mgrid[-3:3:1,-3:3:1]生成的矩阵为例子。

x,y = np.mgrid[-3:3:1,-3:3:1]
x
Out[43]:
array([[-3, -3, -3, -3, -3, -3],[-2, -2, -2, -2, -2, -2],[-1, -1, -1, -1, -1, -1],[ 0,  0,  0,  0,  0,  0],[ 1,  1,  1,  1,  1,  1],[ 2,  2,  2,  2,  2,  2]])
x.ravel()
Out[44]:
array([-3, -3, -3, -3, -3, -3, -2, -2, -2, -2, -2, -2, -1, -1, -1, -1, -1,-1,  0,  0,  0,  0,  0,  0,  1,  1,  1,  1,  1,  1,  2,  2,  2,  2,2,  2])
y
Out[45]:
array([[-3, -2, -1,  0,  1,  2],[-3, -2, -1,  0,  1,  2],[-3, -2, -1,  0,  1,  2],[-3, -2, -1,  0,  1,  2],[-3, -2, -1,  0,  1,  2],[-3, -2, -1,  0,  1,  2]])
y.ravel()
Out[46]:
array([-3, -2, -1,  0,  1,  2, -3, -2, -1,  0,  1,  2, -3, -2, -1,  0,  1,2, -3, -2, -1,  0,  1,  2, -3, -2, -1,  0,  1,  2, -3, -2, -1,  0,1,  2])

3、numpy.c_

这个函数就是用于将输入的矩阵按照列来连接，列如

np.c_[np.array([1,2,3]),np.array([4,5,6])]Out[50]:array([[1, 4],[2, 5],[3, 6]])

结合mgrid，ravel，c_就可以生成二维网格坐标点了

x,y=np.mgrid[-3:3:1,-3:3:1]
grid = np.c_[x.ravel(),y.ravel()]
grid
Out[53]:
array([[-3, -3],[-3, -2],[-3, -1],[-3,  0],[-3,  1],[-3,  2],[-2, -3],[-2, -2],[-2, -1],[-2,  0],[-2,  1],[-2,  2],[-1, -3],[-1, -2],[-1, -1],[-1,  0],[-1,  1],[-1,  2],[ 0, -3],[ 0, -2],[ 0, -1],[ 0,  0],[ 0,  1],[ 0,  2],[ 1, -3],[ 1, -2],[ 1, -1],[ 1,  0],[ 1,  1],[ 1,  2],[ 2, -3],[ 2, -2],[ 2, -1],[ 2,  0],[ 2,  1],[ 2,  2]])

numpy中的 numpy.c_ numpy.ravel numpy.mgrid的理解相关推荐

python使用numpy中的flatten函数将2D numpy数组拉平为1Dnumpy数组、使用np.linalg.matrix_rank函数计算2D numpy数组的秩(rank)
python使用numpy中的flatten函数将2D numpy数组拉平为1Dnumpy数组.使用np.linalg.matrix_rank函数计算2D numpy数组的秩(rank) 目录
python grid函数_详解numpy中的meshgrid函数用法
numpy中的meshgrid函数的使用 numpy官方文档meshgrid函数帮助文档https://docs.scipy.org/doc/numpy/reference/generated/num ...
python科学计算笔记（一）NumPy中ndarray对象、ufunc运算、矩阵运算
标准安装的Python中用列表(list)保存一组值,可以用来当作数组使用,不过由于列表的元素可以是任何对象,因此列表中所保存的是对象的指针.这样为了保存一个简单的[1,2,3],需要有3个指针和三个 ...
Python中Numpy中省略号的作用
我们在Python中遇到如[0,-,0]是什么意思? Numpy 中可以用来选数据. >>> import numpy as np >>> a = [[1,2,3, ...
python数据分析（四）——numpy中的nan和数据的填充
系列文章: python数据分析(一)--numpy数组的创建 python数据分析(二)--numpy数组的计算 python数据分析(三)--numpy读取本地数据和索引 python数据分析(五 ...
numpy中matmul的使用（个人笔记）
numpy中matmul的使用简介: numpy.matmul 函数返回两个数组的矩阵乘积.当两个数组都是二维数组的时候,就是数学上的两个矩阵的乘积. 例如: import numpy ...
Python: NumPy中的多维数组ndarray
转载来源 http://blog.sciencenet.cn/home.php?mod=space&uid=3031432&do=blog&id=1064033 1 Pytho ...
Numpy中的广播和数组运算
https://www.toutiao.com/a6677441250955624973/ 一.概述在Numpy中当数组进行运算时,如果两个数组的形状相同,那么两个数组相乘就是两个数组的对应位相乘, ...
numpy中ravel函数、flatten函数的功能及差异
numpy中ravel函数.flatten函数的功能及差异 >>> import numpy as np >>> a = np.arange(20).reshape ...

numpy中的 numpy.c_ numpy.ravel numpy.mgrid的理解

numpy中的 numpy.c_ numpy.ravel numpy.mgrid的理解相关推荐

最新文章

热门文章