NumPy 之 mgrid、ogrid

mgrid

返回密集的多维”网格“实例

用法：np.mgrid[第1维, 第2维, 第3维...]

维度中的写法为a:b:c

1. a，起始索引
2. b，结束索引
3. c，步长
   1. 如果为实数，表示间隔。区间为[a, b)，左闭右开。
   2. 如果为复数，表示个数。区间为[a, b]，左闭右闭。

网格，顾名思义，就是创建对应点集，下面举例来说明这一点

创建一个一维的索引

1
2

np.mgrid[0:10]
# [0 1 2 3 4 5 6 7 8 9]

一维跟arange()其实是一样的，这里就不做过多的介绍了

创建一个二维的索引

1
2
3
4
5
6
7
8
9

np.mgrid[0:3,0:3]

# [[[0 0 0]
#   [1 1 1]
#   [2 2 2]]
# 
#  [[0 1 2]
#   [0 1 2]
#   [0 1 2]]]

其实就是创建了点集

• (0, 0), (0, 1), (0, 2)
• (1, 0), (1, 1), (1, 2)
• (2, 0), (2, 1), (2, 2)

大概意思就是，第一维所有点映射到二维所有的点。就是所有的一维和二维能形成的全部的点

创建一个三维的索引

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

np.mgrid[0:2, 0:2, 0:2]
# [[[[0 0]
#    [0 0]]
#   [[1 1]
#    [1 1]]]
#
#  [[[0 0]
#    [1 1]]
#   [[0 0]
#    [1 1]]]
#
#  [[[0 1]
#    [0 1]]
#   [[0 1]
#    [0 1]]]]

其实就是创建了点集

(0, 0, 0), (0, 0,1)

(0, 1, 0), (0, 1,1)

(1, 0, 0), (1, 0,1)

(1, 1, 0), (1, 1,1)

一维，二维，三维能形成的所有的点

推到到N维

实质上就是创建N维所有能形成的点

需要注意的是：在所有的例子中没有使用复数的步长，但是要知道的是复数的步长代表将a,b形成的区域等分成若干份，取对应的值，跟实数的每个数相隔的距离不同。

ogrid

返回开放的多维”网格“的实例

该方法跟mgrid很类似，但不是形成所有的点，而是只形成对应的数据

一维

1
2

np.ogrid[0:10]
# [0 1 2 3 4 5 6 7 8 9]

与上面的一样，没啥好说的。

二维

1
2
3
4

np.ogrid[0:3, 0:3]
# [array([[0],
#        [1],
#        [2]]), array([[0, 1, 2]])]

一共两维，有几维就有几个array，第一个的数据在第一维度，第二个的数据在第二维度，仅仅只有自己维度有数据，推理到多维是一样的。

所以，该方法一般用来创建离散点集或者是离散多个多维数组使用。