脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → np.meshgrid的indexing参数

np.meshgrid中的indexing参数问题解决

 更新时间：2023年03月13日 09:21:38   作者：勤奋的大熊猫  
本文主要介绍了np.meshgrid中的indexing参数问题解决，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，需要的朋友们下面随着小编来一起学习学习吧

meshgrid函数在二维空间中可以简单地理解为将x轴与y轴的每个位置的坐标关联起来形成了一个网格，我们知道空间中的点是由坐标确定的，因此，当x与y关联起来后，我们便可以给与某个点某个特定值并画出对应的图像。具体的可以百度一下，会有很多较为详细的介绍。

这里我想要着重的说一下二维以及三维的meshgrid的参数indexing的问题。

二维meshgrid函数

import numpy as np


class Debug:
    def __init__(self):
        self.x = np.arange(5)
        self.y = np.arange(5)
        
    def grid(self):
        X, Y = np.meshgrid(self.x, self.y, indexing="xy")
        return X, Y
    

main = Debug()
X, Y = main.grid()
print("The X grid is:")
print(X)
print("The Y grid is:")
print(Y)
"""
The X grid is:
[[0 1 2 3 4]
 [0 1 2 3 4]
 [0 1 2 3 4]
 [0 1 2 3 4]
 [0 1 2 3 4]]
The Y grid is:
[[0 0 0 0 0]
 [1 1 1 1 1]
 [2 2 2 2 2]
 [3 3 3 3 3]
 [4 4 4 4 4]]
"""

从上面的结果可以看出，所获取的网格对应如下图所示，横向为x轴，纵向为y轴，类似于我们在几何空间中使用的坐标系， 我们通常称之为笛卡尔坐标系（Cartesian coordinate)。在二维meshgrid网格创建命令中，笛卡尔坐标系是默认的坐标系。

在这里插入图片描述

然而在python编程中，还有一种较为常用的indexing取法，代码如下：

import numpy as np


class Debug:
    def __init__(self):
        self.x = np.arange(5)
        self.y = np.arange(5)
        
    def grid(self):
        X, Y = np.meshgrid(self.x, self.y, indexing="ij")
        return X, Y
    

main = Debug()
i, j = main.grid()
print("The i grid is:")
print(i)
print("The j grid is:")
print(j)
"""
The i grid is:
[[0 0 0 0 0]
 [1 1 1 1 1]
 [2 2 2 2 2]
 [3 3 3 3 3]
 [4 4 4 4 4]]
The j grid is:
[[0 1 2 3 4]
 [0 1 2 3 4]
 [0 1 2 3 4]
 [0 1 2 3 4]
 [0 1 2 3 4]]
"""

此时从上面的结果我们可以看出，所获取的网格对应如下图所示，纵向为i轴，横向为j轴，我们在编程中通常很少使用的这种坐标系。但是它也有自己的优势，这里不进一步说明。

在这里插入图片描述

三维meshgrid函数

进一步我们讨论三维的情况，代码如下：

import numpy as np


class Debug:
    def __init__(self):
        self.x = np.arange(3)
        self.y = np.arange(3)
        self.z = np.arange(3)
        
    def grid(self):
        X, Y, Z = np.meshgrid(self.x, self.y, self.z)
        return X, Y, Z
    

main = Debug()
X, Y, Z = main.grid()
print("The X grid is:")
print(X)
print("The Y grid is:")
print(Y)
print("The Z grid is:")
print(Z)
"""
The X grid is:
[[[0 0 0]
  [1 1 1]
  [2 2 2]]

 [[0 0 0]
  [1 1 1]
  [2 2 2]]

 [[0 0 0]
  [1 1 1]
  [2 2 2]]]
The Y grid is:
[[[0 0 0]
  [0 0 0]
  [0 0 0]]

 [[1 1 1]
  [1 1 1]
  [1 1 1]]

 [[2 2 2]
  [2 2 2]
  [2 2 2]]]
The Z grid is:
[[[0 1 2]
  [0 1 2]
  [0 1 2]]

 [[0 1 2]
  [0 1 2]
  [0 1 2]]

 [[0 1 2]
  [0 1 2]
  [0 1 2]]]
"""

由上面的结果我们可以看到，此时的坐标轴对应如下图像：

在这里插入图片描述

x轴向下，y轴向屏幕内侧，z轴向右侧，在三维图像中不再根据indexing值来区分坐标轴了，而是统一规定了坐标轴的取法，只有对于这个坐标轴的取法深入理解，才能在之后的三维数据处理中游刃有余。

特别说明

但是这里有一个问题，来看一组代码：

class Debug:
    def __init__(self):
        x = np.array([[[0],
                       [2]], [[4],
                              [6]], [[8],
                                     [10]]])
        print(x.shape)


main = Debug()
"""
(3, 2, 1)
"""

我们可以看到，输出结果为(3, 2, 1)，即沿着x轴1个元素，沿着y轴2个元素，沿着z轴3个元素。再来看一下我们使用meshgrid方法生成三维网格的情况。

import numpy as np


class Debug:
    def __init__(self):
        self.x = np.arange(1)
        self.y = np.arange(2)
        self.z = np.arange(3)

    def grid(self):
        X, Y, Z = np.meshgrid(self.x, self.y, self.z)
        return X, Y, Z


main = Debug()
X, Y, Z = main.grid()
print("The X grid is:")
print(X.shape)
print("The Y grid is:")
print(Y.shape)
print("The Z grid is:")
print(Z.shape)
"""
The X grid is:
(2, 1, 3)
The Y grid is:
(2, 1, 3)
The Z grid is:
(2, 1, 3)
"""

我们可以看到，最终输出的X，Y，Z的shape均为(2, 1, 3)，这对应的是沿着x轴3个元素，沿着y轴1个元素，沿着z轴2个元素。突然感觉有些混乱，不符合我们之前想要得到的x,y,z的排列顺序，为了能够得到正常的排列顺序，我们可以使用如下代码：

import numpy as np


class Debug:
    def __init__(self):
        self.x = np.arange(1)
        self.y = np.arange(2)
        self.z = np.arange(3)

    def grid(self):
        X, Y, Z = np.meshgrid(self.y, self.z, self.x)
        return X, Y, Z


main = Debug()
X, Y, Z = main.grid()
print("The X grid is:")
print(X.shape)
print("The Y grid is:")
print(Y.shape)
print("The Z grid is:")
print(Z.shape)
"""
The X grid is:
(3, 2, 1)
The Y grid is:
(3, 2, 1)
The Z grid is:
(3, 2, 1)
"""

可以看到运行后我们得到了符合Python默认坐标轴习惯的网格形式，这时对应的x轴向右侧，y轴向下，z轴向屏幕里面。这个仅仅是为了理解需要，实际操作中无需进行这种坐标轴变换操作，直接使用默认的三维坐标轴方向即可。

到此这篇关于np.meshgrid中的indexing参数问题解决的文章就介绍到这了,更多相关np.meshgrid的indexing参数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • PyTorch中的squeeze()和unsqueeze()解析与应用案例

    PyTorch中的squeeze()和unsqueeze()解析与应用案例

    这篇文章主要介绍了PyTorch中的squeeze()和unsqueeze()解析与应用案例，文章内容介绍详细，需要的小伙伴可以参考一下，希望对你有所帮助
    2022-03-03
  • Django 解决model 反向引用中的related_name问题

    Django 解决model 反向引用中的related_name问题

    这篇文章主要介绍了Django 解决model 反向引用中的related_name问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2020-05-05
  • Python类定义和类继承详解

    Python类定义和类继承详解

    这篇文章主要介绍了Python类定义和类继承详解,本文讲解了类的私有属性、类的方法、私有的类方法、类的专有方法、类的定义、类的单继承、类的多继承等内容,需要的朋友可以参考下
    2015-05-05
  • Python倒排索引之查找包含某主题或单词的文件

    Python倒排索引之查找包含某主题或单词的文件

    倒排索引（英语：Inverted index），也常被称为反向索引、置入档案或反向档案，是一种索引方法，被用来存储在全文搜索下某个单词在一个文档或者一组文档中的存储位置的映射。这篇文章主要介绍了Python倒排索引之查找包含某主题或单词的文件,需要的朋友可以参考下
    2019-11-11
  • Python实现破解网站登录密码(带token验证)

    Python实现破解网站登录密码(带token验证)

    这篇文章主要为大家介绍一个Python暴力破解网站登录密码脚本(带token验证)，文中的过程讲解详细，对我们学习Python有一定的帮助，感兴趣的可以学习一下
    2022-02-02
  • python二分法查找算法实现方法【递归与非递归】

    python二分法查找算法实现方法【递归与非递归】

    这篇文章主要介绍了python二分法查找算法实现方法,结合实例形式分析了Python使用递归与非递归算法实现二分查找的相关操作技巧,需要的朋友可以参考下
    2019-12-12
  • python求定积分之quad函数详解

    python求定积分之quad函数详解

    这篇文章主要介绍了python求定积分之quad函数详解,SciPy下实现求函数的积分的函数的基本使用，积分，高等数学里有大量的讲述，基本意思就是求曲线下面积之和,需要的朋友可以参考下
    2023-08-08
  • PyCharm远程调试代码配置以及运行参数设置方式

    PyCharm远程调试代码配置以及运行参数设置方式

    这篇文章主要介绍了PyCharm远程调试代码配置以及运行参数设置方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2024-01-01
  • python下解压缩zip文件并删除文件的实例

    python下解压缩zip文件并删除文件的实例

    下面小编就为大家分享一篇python下解压缩zip文件并删除文件的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2018-04-04
  • python实现调用摄像头并拍照发邮箱

    python实现调用摄像头并拍照发邮箱

    这篇文章主要介绍了python实现调用摄像头并拍照发邮箱的程序，帮助大家更好的理解和学习使用python，感兴趣的朋友可以了解下
    2021-04-04

最新评论