Python 绘制包含向量的两个变量的函数

我有以下问题，这是一个最小的例子：

import numpy as np
def f1(x,y,scal):
    return np.exp(-(scal-x)/y)
def f2(x,y,vec):
    return np.sum(np.exp(-(vec-x)/y))

inputvec = np.arange(1,10,1)

x = np.arange(10)
y = np.arange(1,8,1)
X,Y = np.meshgrid(x,y)
Z1 = f1(X,Y,20)
print Z1
Z2 = f2(X,Y,inputvec)

我想3D绘制函数f2，这就是为什么我尝试使用网格网格的原因。错误是：

ValueError: operands could not be broadcast together with shapes (9,) (7,10) 

我甚至很清楚为什么会是这种情况，我认为python会像f1那样做，这样Z1可以是一个网格答案，您可以绘制它。但是如果我在函数中使用向量和非常讨厌的求和运算会怎么样呢

问题：如何更改函数f2来解决此问题，或者是否有其他方法（3D、轮廓等）绘制f2而不通过网格方式

---

非常感谢

你的问题不是100%清楚，但我认为你想要：

def f3(x,y,vec):
    return np.sum(np.exp(-(vec[:, None, None] - x[None]) / y[None]), 0)

使用

None

（或等效地，使用

np.newaxis

）索引可插入大小为1的新维度，因此

vec[：，None，None]

具有形状

（9，1，1）

和

x[None]

具有形状

（1，7，10）

vec[：，None，None]-x[None]

然后出去塑造

（10,7,9）

。最后，我们使用

np.sum（…，0）

计算第一维上的和，以生成一个

（7，10）

数组，如下所示：

Z3 = f3(X, Y, inputvec)
plt.pcolormesh(X, Y, Z3)

---

简化此类操作的另一个有用工具是，它从一组适合通过以下网络广播的输入向量构建“开放网格”：

v_, y_, x_ = np.ix_(inputvec, y, x)     # here x and y are 1D
z = np.sum(np.exp(-(v_ - x_) / y_), 0)

---

你的问题不是100%清楚，但我认为你想要：

def f3(x,y,vec):
    return np.sum(np.exp(-(vec[:, None, None] - x[None]) / y[None]), 0)

使用

None

（或等效地，使用

np.newaxis

）索引可插入大小为1的新维度，因此

vec[：，None，None]

具有形状

（9，1，1）

和

x[None]

具有形状

（1，7，10）

vec[：，None，None]-x[None]

然后出去塑造

（10,7,9）

。最后，我们使用

np.sum（…，0）

计算第一维上的和，以生成一个

（7，10）

数组，如下所示：

Z3 = f3(X, Y, inputvec)
plt.pcolormesh(X, Y, Z3)

---

简化此类操作的另一个有用工具是，它从一组适合通过以下网络广播的输入向量构建“开放网格”：

v_, y_, x_ = np.ix_(inputvec, y, x)     # here x and y are 1D
z = np.sum(np.exp(-(v_ - x_) / y_), 0)

---

问题是您正在尝试执行

vec-x

，其中

vec.shape=（9，）

和

x.shape=（7,10）

。你希望计算结果是什么？我试着用f1来解释。最终，我想绘制一个由两个变量组成的函数，该函数的输出是一个数字，因此是可绘制的。如果输入x和y作为数字，该函数可以正常工作。但是当我进入网格作为输入时，就像你说的那样，它就不再工作了。。我知道为什么，只是不知道该怎么办！问题是您正在尝试执行

vec-x

，其中

vec.shape=（9，）

和

x.shape=（7,10）

。你希望计算结果是什么？我试着用f1来解释。最终，我想绘制一个由两个变量组成的函数，该函数的输出是一个数字，因此是可绘制的。如果输入x和y作为数字，该函数可以正常工作。但是当我进入网格作为输入时，就像你说的那样，它就不再工作了。。我知道为什么，只是不知道该怎么办！谢谢那正是我想要的！我怎样才能更好地表述这个问题，我想我不知道广播！另外，你的版本没有完全工作，我想，我会做一些快速的改变，让我知道如果你同意！（我想广播是从尾随维度开始的。）你能解释一下为什么你认为我的版本不起作用吗？根据输入数组的形状，广播可以在任何维度上进行（请参阅我链接到的文档中的“一般广播规则”）。我认为这是一个功能：“它从后面的维度开始，并向前推进。当两个维度是兼容的：1.它们相等，或2.其中一个是1”。所以3D数组的尾随维度是10，其中inputvec的尾随维度是9。这就是我得到错误的原因：“：形状不匹配：对象不能广播到单个形状”。转置修复了这一问题，因为它与需要组合在一起的轴相匹配。抱歉，这是我的疏忽-我已经在IPython会话中对您的

inputvec

变量进行了重塑，但忘记了它。您可以使用

x[None].T

并在建议的编辑中播放最后一个维度，也可以在

vec

中插入额外维度并在第一个维度上播放，如在我的更新中。我还提到了

np.ix

，它可以避免显式地为

X

和

Y

创建二维网格（请参见

np.ogrid

）。抱歉搞混了！谢谢，这真的很有帮助。讽刺的是，我的问题变得更加复杂，但这远远超出了这个问题的范围……谢谢！那正是我想要的！我怎样才能更好地表述这个问题，我想我不知道广播！另外，你的版本没有完全工作，我想，我会做一些快速的改变，让我知道如果你同意！（我想广播是从尾随维度开始的。）你能解释一下为什么你认为我的版本不起作用吗？根据输入数组的形状，广播可以在任何维度上进行（请参阅我链接到的文档中的“一般广播规则”）。我认为这是一个功能：“它从后面的维度开始，并向前推进。当两个维度是兼容的：1.它们相等，或2.其中一个是1”。所以3D数组的尾随维度是10，其中inputvec的尾随维度是9。这就是我得到错误的原因：“：形状不匹配：对象不能广播到单个形状”。转置修复了这一问题，因为它与需要组合在一起的轴相匹配。抱歉，这是我的疏忽-我已经在IPython会话中对您的

inputvec

变量进行了重塑，但忘记了它。您可以使用

x[None].T

并在最后一个维度上广播