Python 3D数据的最佳数据结构？

我有一些数据，是两个变量的函数，比如a和b

f(a,b)

在数学术语中，我们可以将f视为三维视图中的曲面。问题是，存储这些数据的好数据结构是什么？我需要画出f作为a的函数表示常数b，f作为b的函数表示常数a。目前我使用的是数组的dict，类似这样：

  f['a1'] = [b1,b2,b3]

但是如果我现在想把f画成a和b常数的函数，我必须手工重新制作另一个dict：

  f['b1'] = [a1,a2,a3]

---

这被证明是非常麻烦的，使我的代码无法阅读。有没有一种很好的方法可以将这样的3D数据存储在numpy数据结构中，或者使用内置的python数据结构？

ndarray似乎很适合。参见

f['a1']=[b1、b2、b3]

我看不出这与你最初的描述有什么关系。你说f是两个变量的函数。。。我猜你是误导性地给这些贴上了“b”的标签

使用常规Python列表的示例 可以轻松地将二维数组存储为列表列表（请参见）。这将为您提供以下信息：

\u f\u值=[
[1, 4, 3],
[2, 8, 6],
[0, 7, 5],
]
def f（a，b）：
返回值[a][b]

使用numpy的ndarray numpy具有多维同构数组的专用类型：。这肯定会更快。您可以使用

：

\u f\u array=numpy.array([
[1, 4, 3],
[2, 8, 6],
[0, 7, 5],
])
def f（a，b）：
返回数组[a，b]
def f_行（a）：
返回_f_数组[a，：]
def f_col（b）：
返回_f_数组[：，b]

如果数据实际上是三维空间中的一个曲面，自然的存储方式是使用两个独立变量的唯一值的两个向量，

a

和

b

，以及一个二维数组，其中的值用于调用两个向量的笛卡尔积。例如：

def f(a, b) :
    return a + b

a = np.array([1, 3, 9, 15])
b = np.array([6, 18, 32])

# if your function f is vectorized
f_ab = f(a[:, np.newaxis], b)
# if it is not
f_ab = np.empty((len(a), len(b)), dtype=np.array(f(a[0], b[0])).dtype)
for i, a_ in enumerate(a):
    for j, b_ in enumerate(b):
        f_ab[i, j] = f(a_, b_)

现在，您可以获得与特定值

a

或特定值

b

对应的数据切片，如下所示：

>>> f_ab[a == 9, :]
array([[15, 27, 41]])

>>> f_ab[:, b==32]
array([[33],
       [35],
       [41],
       [47]])