Arrays 在python中使用矢量化使用MxNx3数组执行代数？

假设我有一个MxNx3数组A，其中前两个索引指的是点的坐标，最后一个索引（数字“3”）指的是向量的三个分量。e、 g.A[4,7，：]=[1,2,3]表示点（7,4）处的向量为（1,2,3）

现在我需要执行以下操作：

Lx = D*ux - (x-xo)  
Ly = D*uy + (y-yo)  
Lz = D  

其中D，ux，uy，xo，yo都是已知的常数。Lx、Ly和Lz是向量在每个点（x、y）的三个分量（注：x分别是列索引，y分别是行索引）。最大的问题是关于x-xo和y-yo，因为x和y对于不同的点是不同的。那么，如何使用矢量化代码或其他一些快速方法有效地对MxNx3阵列执行这些操作呢

---

谢谢

如果要对X和Y值进行操作，应将它们包含在矩阵（或其他矩阵）中，而不是依赖于它们的索引

---

为此，可以使用一些from Numpy，特别是

Numpy.mgrid

如果要对X和Y值进行操作，应该将它们包含在矩阵（或其他矩阵）中，而不是依赖于它们的索引

---

为此，可以使用一些from Numpy，特别是

Numpy.mgrid

如果要对X和Y值进行操作，应该将它们包含在矩阵（或其他矩阵）中，而不是依赖于它们的索引

---

为此，可以使用一些from Numpy，特别是

Numpy.mgrid

如果要对X和Y值进行操作，应该将它们包含在矩阵（或其他矩阵）中，而不是依赖于它们的索引

---

为此，您可以使用来自Numpy的一些函数，特别是

Numpy.mgrid

您可以使用来自Numpy的

meshgrid

函数：

import numpy as np
M=10
N=10
D=1
ux=0.5
uy=0.5
xo=1
yo=1
A=np.empty((M,N,3))
x=range(M)
y=range(N)
xv, yv = np.meshgrid(x, y, sparse=False, indexing='ij')
A[:,:,0]=D*ux - (xv-xo)
A[:,:,1]=D*uy - (yv-yo) 
A[:,:,2]=D

---

您可以使用numpy的

meshgrid

功能：

import numpy as np
M=10
N=10
D=1
ux=0.5
uy=0.5
xo=1
yo=1
A=np.empty((M,N,3))
x=range(M)
y=range(N)
xv, yv = np.meshgrid(x, y, sparse=False, indexing='ij')
A[:,:,0]=D*ux - (xv-xo)
A[:,:,1]=D*uy - (yv-yo) 
A[:,:,2]=D

---

您可以使用numpy的

meshgrid

功能：

import numpy as np
M=10
N=10
D=1
ux=0.5
uy=0.5
xo=1
yo=1
A=np.empty((M,N,3))
x=range(M)
y=range(N)
xv, yv = np.meshgrid(x, y, sparse=False, indexing='ij')
A[:,:,0]=D*ux - (xv-xo)
A[:,:,1]=D*uy - (yv-yo) 
A[:,:,2]=D

---

您可以使用numpy的

meshgrid

功能：

import numpy as np
M=10
N=10
D=1
ux=0.5
uy=0.5
xo=1
yo=1
A=np.empty((M,N,3))
x=range(M)
y=range(N)
xv, yv = np.meshgrid(x, y, sparse=False, indexing='ij')
A[:,:,0]=D*ux - (xv-xo)
A[:,:,1]=D*uy - (yv-yo) 
A[:,:,2]=D

---

您是否考虑扩展Mxnx5的矩阵，以便在矩阵中明确地包含x和y值而不是仅仅从索引中获取值？您是否考虑过扩展MxNX5的矩阵，因此，您明确地将X和Y值包含在矩阵中，而不是仅仅从索引中获取值？您是否考虑扩展MxNX5的矩阵，以便在矩阵中明确地包含X和Y值而不是仅仅从索引中获取值？那么你在矩阵中明确地包含X和Y值，而不是仅仅从索引中获取值？