numpy.meshgrid() ใช้เพื่อส่งคืนเมทริกซ์พิกัดจากเวกเตอร์พิกัด ไวยากรณ์ของมันคือ −
numpy.meshgrid(*xi, **kwargs)
พารามิเตอร์
เมชกริด สามารถรับพารามิเตอร์ต่อไปนี้ได้ -
-
x1, x2, …, xn − แสดงถึงพิกัดของกริด
-
การจัดทำดัชนี − เป็นพารามิเตอร์ทางเลือกที่กำหนดคาร์ทีเซียน 'xy' โดยค่าเริ่มต้นและดัชนีเมทริกซ์ 'ij' ของเอาต์พุต
-
กระจัดกระจาย - เป็นพารามิเตอร์ทางเลือก หากเราต้องการใช้ sparse grid เพื่อประหยัดหน่วยความจำ เราต้องตั้งค่าพารามิเตอร์นี้เป็น True โดยค่าเริ่มต้น จะเป็นเท็จ
-
คัดลอก − จะส่งคืนสำเนาของอาร์เรย์ดั้งเดิมสำหรับการสนทนาหน่วยความจำเมื่อพารามิเตอร์เป็น True โดยค่าเริ่มต้น จะเป็นเท็จ
ตัวอย่างที่ 1
ให้เราพิจารณาตัวอย่างต่อไปนี้ −
# Import numpy
import numpy as np
# input array
x = np.array([1,2,3,4,5])
y = np.array([11, 12, 13, 14, 15])
print("Input x :\n", x)
print("Input y :\n", y)
# meshgrid() function
xx, yy = np.meshgrid(x, y, sparse=True)
print("Meshgrid of X:", xx)
print("Meshgrid of Y:\n", yy) ผลลัพธ์
มันจะสร้างผลลัพธ์ต่อไปนี้ -
Input x : [1 2 3 4 5] Input y : [11 12 13 14 15] Meshgrid of X: [[1 2 3 4 5]] Meshgrid of Y: [[11] [12] [13] [14] [15]]
ตัวอย่างที่ 2
ให้เรายกตัวอย่างอื่น เน้นความแตกต่างระหว่าง linspace และ เมชกริด .
# Import numpy
import numpy as np
# linspace function
a = np.linspace(3, 4, 4)
b = np.linspace(4, 5, 6)
print("linspace of a :", a)
print("linspace of b :", b)
# meshgrid function
xa, xb = np.meshgrid(a, b)
print("Meshgrid of xa :\n", xa)
print("Meshgrid of xb :\n", xb) ผลลัพธ์
โปรแกรมข้างต้นจะสร้างผลลัพธ์ต่อไปนี้ -
linspace of a : [3. 3.33333333 3.66666667 4. ] linspace of b : [4. 4.2 4.4 4.6 4.8 5. ] Meshgrid of xa : [[3. 3.33333333 3.66666667 4. ] [3. 3.33333333 3.66666667 4. ] [3. 3.33333333 3.66666667 4. ] [3. 3.33333333 3.66666667 4. ] [3. 3.33333333 3.66666667 4. ] [3. 3.33333333 3.66666667 4. ]] Meshgrid of xb : [[4. 4. 4. 4. ] [4.2 4.2 4.2 4.2] [4.4 4.4 4.4 4.4] [4.6 4.6 4.6 4.6] [4.8 4.8 4.8 4.8] [5. 5. 5. 5. ]]
