Numpy 使用python制作更好的点网格

我可以简单地说，在一个矩形区域中用点组成简单的网格：

import numpy as np

x = np.linspace(0,2,M+1)
y = np.linspace(0,1,N+1)
X,Y = np.meshgrid(x,y)

并将该值按我想要的特定顺序放置（我想要代码读取x上的点，然后移到下面的y）

---

现在，我需要我的代码来区分网格的周界点和内部点，并且能够轻松地调用它们，因为我的函数知道这些点的值。如何做到这一点？

矩形轴对齐网格的周长由任一坐标最极端的所有点组成

简单地说，找到x和y为最大值和最小值的所有位置：

is_perimeter = (positions[0] == np.min(y)) | (positions[0] == np.max(y)) | (positions[1] == np.min(x)) | (positions[1] == np.max(x))

对于任何点

i

为周长，如果对应点
位置[：，i]
在周长上，则[i]

为

真

，否则为

假

让我们验证一下结果：

import numpy as np
import matplotlib.pyplot as plt

M, N = 5, 8

x = np.linspace(0,2,M+1)
y = np.linspace(0,1,N+1)
X,Y = np.meshgrid(x,y)

positions = np.vstack([Y.ravel(), X.ravel()])

is_perimeter = (positions[0] == np.min(y)) | (positions[0] == np.max(y)) | \
               (positions[1] == np.min(x)) | (positions[1] == np.max(x))

plt.scatter(*positions[::-1], c=is_perimeter)
plt.show()

---

矩形轴对齐栅格的周长由任一坐标最极端的所有点组成

简单地说，找到x和y为最大值和最小值的所有位置：

is_perimeter = (positions[0] == np.min(y)) | (positions[0] == np.max(y)) | (positions[1] == np.min(x)) | (positions[1] == np.max(x))

对于任何点

i

为周长，如果对应点
位置[：，i]
在周长上，则[i]

为

真

，否则为

假

让我们验证一下结果：

import numpy as np
import matplotlib.pyplot as plt

M, N = 5, 8

x = np.linspace(0,2,M+1)
y = np.linspace(0,1,N+1)
X,Y = np.meshgrid(x,y)

positions = np.vstack([Y.ravel(), X.ravel()])

is_perimeter = (positions[0] == np.min(y)) | (positions[0] == np.max(y)) | \
               (positions[1] == np.min(x)) | (positions[1] == np.max(x))

plt.scatter(*positions[::-1], c=is_perimeter)
plt.show()

---

X[0，：]，Y[：，-1]。等等。在2d X上建立简单的索引，Y会找到周长，换句话说，我的评论，X和Y很容易区分这些点，使用vstack/ravelX[0，：]，Y[：，-1]很难。等等。在2d X上建立简单的索引，Y找到周长，换句话说，我的评论，X和Y使区分这些点变得很容易，你的vstack/ravel很难