Python 如何删除圆内的一组网格点？

我正在尝试创建一个网格网格，其中没有一些点位于具有指定坐标和半径的圆内。我无法减去落在圆内的网格点。 这是我的密码

import math
import numpy 
import matplotlib.pyplot as plt


N = 50
x_start, x_end = -2.0, 2.0 
y_start, y_end = -1.0, 1.0


x = numpy.linspace(x_start, x_end, N)
y = numpy.linspace(y_start, y_end, N)

circle_x, circle_y, r= 0.0, 0.0, 0.4

#x.remove((r-circle_x)**2)   #need some help with these two lines
#y.remove((r-circle_y)**2)


X, Y = numpy.meshgrid(x, y)


size = 10
fig = plt.figure()
plt.xlabel('x', fontsize = 16)
plt.ylabel('y', fontsize = 16)
plt.scatter(X, Y)
plt.show()

---

显示网格点标题的网格网格不能简单地从网格网格中删除点。相反，您应该创建另一个数组Z作为

并将其绘制为

plt.scatter(X,Y,Z)

---

不能删除阵列x和y中的点。这是一个二维问题，需要从x中删除的值取决于y，并且与y成反比

您可以直接对创建的X和Y网格进行操作。例如

import math
import numpy 
import matplotlib.pyplot as plt


N = 200
x_start, x_end = -2.0, 2.0 
y_start, y_end = -2.0, 2.0


x = numpy.linspace(x_start, x_end, N)
y = numpy.linspace(y_start, y_end, N)

circle_x, circle_y, r= 0.0, 0.0, 0.4

X, Y = numpy.meshgrid(x, y)

## Define points within circle
pts = (X-circle_x)**2+(Y-circle_y)**2 <= r**2

## Create a constant mask over grid
M = numpy.ones(X.shape)
## Assign 0 to mask for all points within circle
M[pts] = 0

size = 10
fig = plt.figure()
plt.imshow(M)
plt.show()

---

如果希望散点图仅包含圆外的点，请使用布尔索引仅从二维网格阵列中选择这些点：

import numpy as np
import matplotlib.pyplot as plt

N = 50
x_start, x_end = -2.0, 2.0
y_start, y_end = -1.0, 1.0

x = np.linspace(x_start, x_end, N)
y = np.linspace(y_start, y_end, N)

x0, y0, radius = 0.0, 0.0, 0.4

x, y = np.meshgrid(x, y)
r = np.sqrt((x - x0)**2 + (y - y0)**2)

outside = r > radius

fig, ax = plt.subplots()
ax.set(xlabel='X', ylabel='Y', aspect=1.0)

ax.scatter(x[outside], y[outside])

plt.show()

另一方面，如果您使用的是需要2D输入的imshow之类的东西，那么您需要像@JuliensBronck提到的那样屏蔽里面的值，尽管最好将它们设置为np.nan或使用屏蔽数组，而不是将它们设置为0或在图像上设置剪辑路径

但是，对于散布，不需要二维输入

nD数组上的布尔索引将返回1d结果。例如：

In [9]: x = np.arange(100).reshape(10, 10)

In [10]: x
Out[10]: 
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [30, 31, 32, 33, 34, 35, 36, 37, 38, 39],
       [40, 41, 42, 43, 44, 45, 46, 47, 48, 49],
       [50, 51, 52, 53, 54, 55, 56, 57, 58, 59],
       [60, 61, 62, 63, 64, 65, 66, 67, 68, 69],
       [70, 71, 72, 73, 74, 75, 76, 77, 78, 79],
       [80, 81, 82, 83, 84, 85, 86, 87, 88, 89],
       [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]])

In [11]: x[x > 75]
Out[11]: 
array([76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92,
       93, 94, 95, 96, 97, 98, 99])

因为散布只是绘制点，它不关心它们如何连接，我们可以很容易地使用布尔索引的1D结果

另一方面，如果要绘制图像，则需要二维网格。在这种情况下，您可能希望屏蔽这些值：

In [12]: np.ma.masked_where(x <= 75, x)
Out[12]: 
masked_array(data =
 [[-- -- -- -- -- -- -- -- -- --]
 [-- -- -- -- -- -- -- -- -- --]
 [-- -- -- -- -- -- -- -- -- --]
 [-- -- -- -- -- -- -- -- -- --]
 [-- -- -- -- -- -- -- -- -- --]
 [-- -- -- -- -- -- -- -- -- --]
 [-- -- -- -- -- -- -- -- -- --]
 [-- -- -- -- -- -- 76 77 78 79]
 [80 81 82 83 84 85 86 87 88 89]
 [90 91 92 93 94 95 96 97 98 99]])

请注意，这是如何保持输入的二维结构的

---

另一方面，如果这是一个浮点数组，您可以同样轻松地将值设置为np.nan，而不是屏蔽它们。使用imshow打印时，两者的行为相同。我在本例中使用了掩码数组，因为x是整数数组，不能包含NaN的数组。

嗨，Julien，你的第一篇关于网格图示例的文章与我想要的非常接近。问题是它实际上创建了网格点，然后隐藏了圆内的点，这就是我的理解。然而，我希望对所有存在的网格点进行进一步计算，因此我只需要那些不在圆外的网格点，仅隐藏它不会达到我的目的，但非常感谢详细的解释。这些点既不隐藏也不移除，X和Y仍然完成，所有计算仍然可以在所有网格点上执行，然后将遮罩M应用于结果。但是，如果只想对圆外的点执行计算，只需定义所需的点，然后重新指定X和Y，使其仅具有所需的点。有关示例，请参见编辑我的答案。

In [9]: x = np.arange(100).reshape(10, 10)

In [10]: x
Out[10]: 
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
       [30, 31, 32, 33, 34, 35, 36, 37, 38, 39],
       [40, 41, 42, 43, 44, 45, 46, 47, 48, 49],
       [50, 51, 52, 53, 54, 55, 56, 57, 58, 59],
       [60, 61, 62, 63, 64, 65, 66, 67, 68, 69],
       [70, 71, 72, 73, 74, 75, 76, 77, 78, 79],
       [80, 81, 82, 83, 84, 85, 86, 87, 88, 89],
       [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]])

In [11]: x[x > 75]
Out[11]: 
array([76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92,
       93, 94, 95, 96, 97, 98, 99])

In [12]: np.ma.masked_where(x <= 75, x)
Out[12]: 
masked_array(data =
 [[-- -- -- -- -- -- -- -- -- --]
 [-- -- -- -- -- -- -- -- -- --]
 [-- -- -- -- -- -- -- -- -- --]
 [-- -- -- -- -- -- -- -- -- --]
 [-- -- -- -- -- -- -- -- -- --]
 [-- -- -- -- -- -- -- -- -- --]
 [-- -- -- -- -- -- -- -- -- --]
 [-- -- -- -- -- -- 76 77 78 79]
 [80 81 82 83 84 85 86 87 88 89]
 [90 91 92 93 94 95 96 97 98 99]])