numpy中是否有多维版本的arange/linspace？

Question

我想要一个2d numpy数组(x,y)的列表,其中每个x在{-5,-4.5,-4,-3.5,...,3.5,4,4.5,5}中,并且对于y是相同的.

我可以

x = np.arange(-5, 5.1, 0.5)
y = np.arange(-5, 5.1, 0.5)

然后迭代所有可能的对,但我确信有一个更好的方式......

我希望回来看起来像:

[[-5, -5],
 [-5, -4.5],
 [-5, -4],
 ...
 [5, 5]]

但顺序并不重要.

Answer 1

你可以使用np.mgrid它,它通常比np.meshgrid一步创建数组更方便:

import numpy as np
X,Y = np.mgrid[-5:5.1:0.5, -5:5.1:0.5]

对于类似linspace的功能,将步骤(ie 0.5)替换为复数,其大小指定系列中所需的点数.使用此语法,将上述相同的数组指定为:

X, Y = np.mgrid[-5:5:21j, -5:5:21j]

然后,您可以创建对:

xy = np.vstack((X.flatten(), Y.flatten())).T

正如@ali_m建议的那样,这一切都可以在一行中完成:

xy = np.mgrid[-5:5.1:0.5, -5:5.1:0.5].reshape(2,-1).T

祝你好运!

Answer 2

我想你想要np.meshgrid:

从坐标向量返回坐标矩阵.

在给定一维坐标数组x1,x2,...,xn的情况下,使ND坐标数组用于ND网格上的ND标量/矢量场的矢量化评估.

import numpy as np
x = np.arange(-5, 5.1, 0.5)
y = np.arange(-5, 5.1, 0.5)
X,Y = np.meshgrid(x,y)

您可以将其转换为您想要的输出

XY=np.array([X.flatten(),Y.flatten()]).T

print XY
array([[-5. , -5. ],
       [-4.5, -5. ],
       [-4. , -5. ],
       [-3.5, -5. ],
       [-3. , -5. ],
       [-2.5, -5. ],
       ....
       [ 3. ,  5. ],
       [ 3.5,  5. ],
       [ 4. ,  5. ],
       [ 4.5,  5. ],
       [ 5. ,  5. ]])

Answer 3

如果您只想遍历对（而不是一次对整个点集进行计算），则最好itertools.product遍历所有可能的对：

import itertools

for (xi, yi) in itertools.product(x, y):
    print(xi, yi)

这避免了通过 生成大型矩阵meshgrid。

Answer 4

我们可以使用排列功能：

z1 = np.array([np.array(np.arange(1,5)),np.array(np.arange(1,5))])
print(z1)
o/p=> [[1 2 3 4]
       [1 2 3 4]]

Answer 5

这就是您要寻找的：

matr = np.linspace((1,2),(10,20),10)

这意味着：

对于第一列；从（1,2）的1到（10,20）的10，将递增的10数放入。

对于第二栏；从（1,2）的2到（10,20）的20，将递增10的数字放入。

结果将是：

[[ 1.  2.]
 [ 2.  4.]
 [ 3.  6.]
 [ 4.  8.]
 [ 5. 10.]
 [ 6. 12.]
 [ 7. 14.]
 [ 8. 16.]
 [ 9. 18.]
 [10. 20.]]

您也可以只增加一列的值，例如，如果您说：

matr = np.linspace((1,2),(1,20),10)

第一列将从（1,2）的1到（1,20）的1十次，这意味着它将保持为1，结果将是：

[[ 1.  2.]
 [ 1.  4.]
 [ 1.  6.]
 [ 1.  8.]
 [ 1. 10.]
 [ 1. 12.]
 [ 1. 14.]
 [ 1. 16.]
 [ 1. 18.]
 [ 1. 20.]]