Python 多维度的numpy linspace和网格栅格
我正在使用numpy将一些matlab代码移植到python,我有以下matlab命令:Python 多维度的numpy linspace和网格栅格,python,matlab,numpy,Python,Matlab,Numpy,我正在使用numpy将一些matlab代码移植到python,我有以下matlab命令: [xgrid,ygrid]=meshgrid(linspace(-0.5,0.5, GridSize-1), ... linspace(-0.5,0.5, GridSize-1)); 现在,这在2D中很好,但我想把它扩展到n维。因此,根据输入数据,GridSize可以是2、3或4维向量。因此,在2D中,这将是: [xgrid, grid] = np.meshg
[xgrid,ygrid]=meshgrid(linspace(-0.5,0.5, GridSize-1), ...
linspace(-0.5,0.5, GridSize-1));
现在,这在2D中很好,但我想把它扩展到n维。因此,根据输入数据,GridSize可以是2、3或4维向量。因此,在2D中,这将是:
[xgrid, grid] = np.meshgrid(np.linspace(-0.5,0.5, GridSize[0]),
np.linspace(-0.5,0.5, GridSize[1]));
但是,我以前不知道输入的维数,因此是否可以重写此表达式,以便它可以生成任意维数的网格?您可以使用循环理解生成所有1D数组,然后在所有具有内部操作的
*
运算符的数组上使用,这相当于,像这样-
allG = [np.linspace(-0.5,0.5, G) for G in GridSize]
out = np.meshgrid(*allG)
样本运行
1) 2D案例:
In [27]: GridSize = [3,4]
In [28]: allG = [np.linspace(-0.5,0.5, G) for G in GridSize]
...: out = np.meshgrid(*allG)
...:
In [29]: out[0]
Out[29]:
array([[-0.5, 0. , 0.5],
[-0.5, 0. , 0.5],
[-0.5, 0. , 0.5],
[-0.5, 0. , 0.5]])
In [30]: out[1]
Out[30]:
array([[-0.5 , -0.5 , -0.5 ],
[-0.16666667, -0.16666667, -0.16666667],
[ 0.16666667, 0.16666667, 0.16666667],
[ 0.5 , 0.5 , 0.5 ]])
2) 3D案例:
In [51]: GridSize = [3,4,2]
In [52]: allG = [np.linspace(-0.5,0.5, G) for G in GridSize]
...: out = np.meshgrid(*allG)
...:
In [53]: out[0]
Out[53]:
array([[[-0.5, -0.5],
[ 0. , 0. ],
[ 0.5, 0.5]], ...
[[-0.5, -0.5],
[ 0. , 0. ],
[ 0.5, 0.5]]])
In [54]: out[1]
Out[54]:
array([[[-0.5 , -0.5 ], ...
[[ 0.16666667, 0.16666667],
[ 0.16666667, 0.16666667],
[ 0.16666667, 0.16666667]],
[[ 0.5 , 0.5 ],
[ 0.5 , 0.5 ],
[ 0.5 , 0.5 ]]])
In [55]: out[2]
Out[55]:
array([[[-0.5, 0.5], ....
[[-0.5, 0.5],
[-0.5, 0.5],
[-0.5, 0.5]]])
您可以使用循环理解来生成所有1D数组,然后在所有具有
*
运算符的数组上使用,这相当于-
allG = [np.linspace(-0.5,0.5, G) for G in GridSize]
out = np.meshgrid(*allG)
样本运行
1) 2D案例:
In [27]: GridSize = [3,4]
In [28]: allG = [np.linspace(-0.5,0.5, G) for G in GridSize]
...: out = np.meshgrid(*allG)
...:
In [29]: out[0]
Out[29]:
array([[-0.5, 0. , 0.5],
[-0.5, 0. , 0.5],
[-0.5, 0. , 0.5],
[-0.5, 0. , 0.5]])
In [30]: out[1]
Out[30]:
array([[-0.5 , -0.5 , -0.5 ],
[-0.16666667, -0.16666667, -0.16666667],
[ 0.16666667, 0.16666667, 0.16666667],
[ 0.5 , 0.5 , 0.5 ]])
2) 3D案例:
In [51]: GridSize = [3,4,2]
In [52]: allG = [np.linspace(-0.5,0.5, G) for G in GridSize]
...: out = np.meshgrid(*allG)
...:
In [53]: out[0]
Out[53]:
array([[[-0.5, -0.5],
[ 0. , 0. ],
[ 0.5, 0.5]], ...
[[-0.5, -0.5],
[ 0. , 0. ],
[ 0.5, 0.5]]])
In [54]: out[1]
Out[54]:
array([[[-0.5 , -0.5 ], ...
[[ 0.16666667, 0.16666667],
[ 0.16666667, 0.16666667],
[ 0.16666667, 0.16666667]],
[[ 0.5 , 0.5 ],
[ 0.5 , 0.5 ],
[ 0.5 , 0.5 ]]])
In [55]: out[2]
Out[55]:
array([[[-0.5, 0.5], ....
[[-0.5, 0.5],
[-0.5, 0.5],
[-0.5, 0.5]]])
你试过添加一个coma和另一个linspace吗?是的,但问题是维度在“编译时”是未知的。。。它必须基于输入GridSize向量的维度生成。您的MATLAB代码对这两个维度使用相同的大小,而numpy代码不是。目的是什么?它不使用相同的大小,即使Matlab代码不使用。@Luca如果不知道它们,请使用If语句。。。。。另外,在matlab中,任何矩阵的维数都是无穷大的,大小为1,因此您可以只添加一个具有单个点的alinspace。您是否尝试添加一个coma和另一个linspace?是的,但问题是这些维数在“编译时”是未知的。。。它必须基于输入GridSize向量的维度生成。您的MATLAB代码对这两个维度使用相同的大小,而numpy代码不是。目的是什么?它不使用相同的大小,即使Matlab代码不使用。@Luca如果不知道它们,请使用If语句。。。。。此外,在matlab中,任何矩阵都有无限维,大小为1,因此您可以只添加一个带单点的alinspace。这就成功了。我试图使用列表理解,但错过了
*
操作符,无法理解我的错误。谢谢@卢卡不用担心,很乐意帮忙!这就成功了。我试图使用列表理解,但错过了*
操作符,无法理解我的错误。谢谢@卢卡不用担心,很乐意帮忙!