如何将一些函数应用于python meshgrid？

Question

假设我想为网格上的每个点计算一个值.我将定义一些函数func,它接受两个值x并y作为参数并返回第三个值.在下面的示例中,计算此值需要在外部字典中查找.然后我会生成一个点网格并对func每个点进行评估以获得我想要的结果.

下面的代码就是这样做的,但是有点迂回.首先,我将X和Y坐标矩阵重塑为一维数组,计算所有值,然后将结果重新整形为矩阵.我的问题是,这可以以更优雅的方式完成吗？

import collections as c

# some arbitrary lookup table
a = c.defaultdict(int)
a[1] = 2
a[2] = 3
a[3] = 2
a[4] = 3

def func(x,y):
    # some arbitrary function
    return a[x] + a[y]

X,Y = np.mgrid[1:3, 1:4]
X = X.T
Y = Y.T

Z = np.array([func(x,y) for (x,y) in zip(X.ravel(), Y.ravel())]).reshape(X.shape)
print Z

此代码的目的是生成一组值,我可以pcolor在matplotlib中使用它来创建热图类型图.

Answer 1

我会使用numpy.vectorize来"向量化"你的函数.请注意,尽管名称不同,但numpy.vectorize并不是为了让您的代码运行得更快 - 只需简化一下即可.

以下是一些例子:

>>> import numpy as np
>>> @np.vectorize
... def foo(a, b):
...    return a + b
... 
>>> foo([1,3,5], [2,4,6])
array([ 3,  7, 11])
>>> foo(np.arange(9).reshape(3,3), np.arange(9).reshape(3,3))
array([[ 0,  2,  4],
       [ 6,  8, 10],
       [12, 14, 16]])

与您的代码,它应该是足够的装饰vectorize用func,然后你可能只需要调用它np.vectorize-没有func(X, Y)ING或ravel荷兰国际集团需要:

import numpy as np
import collections as c

# some arbitrary lookup table
a = c.defaultdict(int)
a[1] = 2
a[2] = 3
a[3] = 2
a[4] = 3

@np.vectorize
def func(x,y):
    # some arbitrary function
    return a[x] + a[y]

X,Y = np.mgrid[1:3, 1:4]
X = X.T
Y = Y.T

Z = func(X, Y)