Python基础(二):Numpy函数介绍:Meshgrid,mgrid,append等

np.meshgrid函数

meshgrid函数通常使用在数据的矢量化上。它适用于生成网格型数据,可以接受两个一维数组生成两个二维矩阵,对应两个数组中所有的(x,y)对。

meshgrid的作用是:根据传入的两个一维数组参数生成两个数组元素的列表。如果第一个参数是xarray,维度是xdimesion,第二个参数是yarray,维度是ydimesion。那么生成的第一个二维数组是以xarray为行,共ydimesion行的向量;而第二个二维数组是以yarray的转置为列,共xdimesion列的向量。
在这里插入图片描述

在这里插入图片描述
经常用来生产网格点:示例,生成一个20行30列的网格点矩阵[3]

x = np.linspace(0,500,30)
print("x的维度:{},shape:{}".format(x.ndim, x.shape))
print(x)
y = np.linspace(0,500,20)
print("y的维度:{},shape:{}".format(y.ndim, y.shape))
print(y)

xv,yv = np.meshgrid(x, y)
print("xv的维度:{},shape:{}".format(xv.ndim, xv.shape))
print("yv的维度:{},shape:{}".format(yv.ndim, yv.shape))

plt.plot(xv, yv, '.')
plt.grid(True)
plt.show()

在这里插入图片描述
在这里插入图片描述

np.mgrid函数

用法:返回多维结构,常见的如2D图形,3D图形。对比np.meshgrid,在处理大数据时速度更快,且能处理多维(np.meshgrid只能处理2维)
ret = np.mgrid[ 第1维,第2维 ,第3维 , …]
返回多值,以多个矩阵的形式返回,第1返回值为第1维数据在最终结构中的分布,第2返回值为第2维数据在最终结构中的分布,以此类推。(分布以矩阵形式呈现)。

看一个例子,下面的步长为复数表示点数,左闭右闭,步长为实数表示间隔,左闭右开

X1,Y1 = np.mgrid[1:3:3j,4:5:2j]  #1-3,shape= 3*2,

X1
Y1
array([[1., 1.],
       [2., 2.],
       [3., 3.]])

array([[4., 5.],
       [4., 5.],
       [4., 5.]])

在这里插入图片描述

例如3D结构 (3D立方体),如下[1]:

>>> res = np.mgrid[-1:1:2j,-2:2:3j,-3:3:5j]  # x,y,z = res
>>> print(res)
[[[[-1.  -1.  -1.  -1.  -1. ]
   [-1.  -1.  -1.  -1.  -1. ]
   [-1.  -1.  -1.  -1.  -1. ]]

  [[ 1.   1.   1.   1.   1. ]
   [ 1.   1.   1.   1.   1. ]
   [ 1.   1.   1.   1.   1. ]]]


 [[[-2.  -2.  -2.  -2.  -2. ]
   [ 0.   0.   0.   0.   0. ]
   [ 2.   2.   2.   2.   2. ]]

  [[-2.  -2.  -2.  -2.  -2. ]
   [ 0.   0.   0.   0.   0. ]
   [ 2.   2.   2.   2.   2. ]]]


 [[[-3.  -1.5  0.   1.5  3. ]
   [-3.  -1.5  0.   1.5  3. ]
   [-3.  -1.5  0.   1.5  3. ]]

  [[-3.  -1.5  0.   1.5  3. ]
   [-3.  -1.5  0.   1.5  3. ]
   [-3.  -1.5  0.   1.5  3. ]]]]

np.append()函数 [5]

函数np.append(arr, values, axis=None)
作用:为原始np array添加一些values
返回:添加了values的新数组

参数:

  • arr:需要被添加values的数组
  • values:添加到数组arr中的值(array_like,类数组)
  • axis:可选参数,如果axis没有给出,那么arr,values都将先展平成一维数组。注:如果axis被指定了,那么arr和values需要有相同的shape,否则报错:ValueError: arrays must have same number of dimensions

补充对axis的理解:
axis的最大值为数组arr的维数-1,如arr维数等于1,axis最大值为0;arr维数等于2,axis最大值为1,以此类推。
当arr的维数为2(理解为单通道图),axis=0表示沿着行方向添加values;axis=1表示沿着列方向添加values
当arr的维数为3(理解为多通道图),axis=0,axis=1时同上;axis=2表示沿着深度方向添加values

例子:
(1)不考虑axis:arr,values都将先展平成一维数组,然后沿着axis=0的方向在arr后添加values

import numpy as np
a=[1,2,3]
b=[4,5]
c=[[6,7],[8,9]]
print(np.append(a,b))
print(np.append(a,c))
>>>
[1 2 3 4 5]
[1 2 3 6 7 8 9]

(2)考虑axis:arr,values的shape相同

import numpy as np
a=[1,2,3]
b=[4,5]
c=[[6,7],[8,9]]
d=[[10,11],[12,13]]
print('在一维数组a后添加values,结果如下:{}'.format(np.append(a,b,axis=0)))
print('沿二维数组c的行方向添加values结果如下:'.format(np.append(c,d,axis=0)))
print('沿二维数组c的列方向添加values结果如下:'.format(np.append(c,d,axis=1)))
print('使用了axis,若arr和values的形状不同,则报错:'.format(np.append(a,c,axis=0)))
>>>
在一维数组a后添加values,结果如下:
[1 2 3 4 5]
沿二维数组c的行方向添加values结果如下:
[[ 6  7]
 [ 8  9]
 [10 11]
 [12 13]]
沿二维数组c的列方向添加values结果如下:
[[ 6  7 10 11]
 [ 8  9 12 13]]

(3)考虑axis,如果arr和values的形状不同,则报错:

import numpy as np
a=[1,2,3]
c=[[6,7],[8,9]]
print(np.append(a,c,axis=0))
>>>
Traceback (most recent call last):
 File "F:\eclipse-workspace\test\t1.py", line 4, in <module>
   print(np.append(a,c,axis=0))
 File "E:\anaconda\anzhuang\lib\site-packages\numpy\lib\function_base.py", line 4694, in append
   return concatenate((arr, values), axis=axis)
ValueError: all the input arrays must have same number of dimensions

参考资料

[1] https://www.cnblogs.com/shenxiaolin/p/8854197.html
[2] np.meshgrid和np.mgrid
[3] Numpy中的meshgrid()函数
[4] Python-Numpy模块Meshgrid函数
[5] https://blog.csdn.net/weixin_42216109/article/details/93889047

©️2020 CSDN 皮肤主题: 技术黑板 设计师:CSDN官方博客 返回首页