Я хотел бы получить список 2d массивов NumPy (x, y), где каждый x находится в {-5, -4.5, -4, -3.5,..., 3.5, 4, 4.5, 5} и то же самое для y.
я мог бы сделать
x = np.arange(-5, 5.1, 0.5)
y = np.arange(-5, 5.1, 0.5)
а затем перебрать все возможные пары, но я уверен, что есть более хороший способ...
Я хотел бы что-то обратно, что выглядит как:
[[-5, -5],
[-5, -4.5],
[-5, -4],
...
[5, 5]]
но порядок не имеет значения.
Для этого вы можете использовать np.mgrid, он часто более удобен, чем np.meshgrid потому что он создает массивы за один шаг:
import numpy as np
X,Y = np.mgrid[-5:5.1:0.5, -5:5.1:0.5]
Для функциональности, подобной linspace, замените шаг (то есть 0.5) комплексным числом, величина которого указывает количество точек, которые вы хотите в серии. Используя этот синтаксис, определяются те же массивы, что и выше:
X, Y = np.mgrid[-5:5:21j, -5:5:21j]
Затем вы можете создать свои пары как:
xy = np.vstack((X.flatten(), Y.flatten())).T
Как предложил @ali_m, все это можно сделать в одну строку:
xy = np.mgrid[-5:5.1:0.5, -5:5.1:0.5].reshape(2,-1).T
Удачи!
Я думаю, вы хотите np.meshgrid:
Обратные координатные матрицы из векторов координат.
Сделать N-D координатные массивы для векторизованных оценок N-D скалярных/векторных полей над сетками N-D, учитывая одномерные координатные массивы x1, x2,..., xn.
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)
вы можете преобразовать его в желаемый результат с помощью
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. ]])
Мы можем использовать функцию аранжировки как:
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]]
Если вы просто хотите итерации по парам (а не выполнять вычисления всего набора точек сразу), вам может быть лучше всего itertools.product выполнить итерацию по всем возможным парам:
import itertools
for (xi, yi) in itertools.product(x, y):
print(xi, yi)
Это позволяет избежать генерации больших матриц через meshgrid.
Это именно то, что вы ищете:
matr = np.linspace((1,2),(10,20),10)
Это означает:
Для первого столбца; от 1 из (1,2) до 10 из (10,20), положите увеличивающиеся 10 чисел.
Для второго столбца; от 2 из (1,2) до 20 из (10,20), вставьте 10 чисел.
И результат будет:
[[ 1. 2.]
[ 2. 4.]
[ 3. 6.]
[ 4. 8.]
[ 5. 10.]
[ 6. 12.]
[ 7. 14.]
[ 8. 16.]
[ 9. 18.]
[10. 20.]]
Вы также можете сохранить увеличение только одного значения столбца, например, если вы скажете, что:
matr = np.linspace((1,2),(1,20),10)
Первый столбец будет от 1 из (1,2) до 1 из (1,20) в течение 10 раз, что означает, что он останется как 1, и результат будет:
[[ 1. 2.]
[ 1. 4.]
[ 1. 6.]
[ 1. 8.]
[ 1. 10.]
[ 1. 12.]
[ 1. 14.]
[ 1. 16.]
[ 1. 18.]
[ 1. 20.]]
Не уверен, что я понимаю вопрос - чтобы составить список 2-элементных массивов NumPy, это работает:
import numpy as np
x = np.arange(-5, 5.1, 0.5)
X, Y = np.meshgrid(x, x)
Liszt = [np.array(thing) for thing in zip(X.flatten(), Y.flatten())] # for python 2.7
zip дает вам список кортежей, а остальное - все остальные.
На основе этого примера вы можете сделать любой тусклый
def linspace3D(point1,point2,length):
v1 = np.linspace(point1[0],point2[0],length)
v2 = np.linspace(point1[1],point2[1],length)
v3 = np.linspace(point1[2],point2[2],length)
line = np.zeros(shape=[length,3])
line[:,0]=v1
line[:,1]=v2
line[:,2]=v3
return line