近期在好幾個地方都看到meshgrid的使用，雖然之前也注意到meshgrid的用法。
但總覺得印象不深刻，不是太了解meshgrid的應用場景。
所以，本文將進一步介紹Numpy中meshgrid的用法。
Meshgrid函數的基本用法
在Numpy的官方文章里，meshgrid函數的英文描述也顯得文縐縐的，理解起來有些難度。
可以這么理解，meshgrid函數用兩個坐標軸上的點在平面上畫網格。
用法：
[X,Y]=meshgrid(x,y)
[X,Y]=meshgrid(x)與[X,Y]=meshgrid(x,x)是等同的
[X,Y,Z]=meshgrid(x,y,z)生成三維數組，可用來計算三變量的函數和繪制三維立體圖
這里，主要以[X,Y]=meshgrid(x,y)為例，來對該函數進行介紹。
[X,Y] = meshgrid(x,y) 將向量x和y定義的區域轉換成矩陣X和Y,其中矩陣X的行向量是向量x的簡單復制，而矩陣Y的列向量是向量y的簡單復制(注：下面代碼中X和Y均是數組，在文中統一稱為矩陣了)。
假設x是長度為m的向量，y是長度為n的向量，則最終生成的矩陣X和Y的維度都是 n*m （注意不是m*n）。
文字描述可能不是太好理解，下面通過代碼演示下：
加載數據
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
m, n = (5, 3)
x = np.linspace(0, 1, m)
y = np.linspace(0, 1, n)
X, Y = np.meshgrid(x,y)
查看向量x和向量y
x
out:
array([ 0. , 0.25, 0.5 , 0.75, 1. ])
y
out:
array([ 0. , 0.5, 1. ])
查看矩陣X和矩陣Y
X
out:
array([[ 0. , 0.25, 0.5 , 0.75, 1. ],
[ 0. , 0.25, 0.5 , 0.75, 1. ],
[ 0. , 0.25, 0.5 , 0.75, 1. ]])
Y
out:
array([[ 0. , 0. , 0. , 0. , 0. ],
[ 0.5, 0.5, 0.5, 0.5, 0.5],
[ 1. , 1. , 1. , 1. , 1. ]])
查看矩陣對應的維度
X.shape
out:
(3, 5)
Y.shape
out:
(3, 5)
meshgrid函數的運行過程，可以通過下面的示意圖來加深理解：
再者，也可以通過在matplotlib中進行可視化，來查看函數運行后得到的網格化數據的結果
plt.plot(X, Y, marker='.', color='blue', linestyle='none')
plt.show()
當然，我們也可以獲得網格平面上坐標點的數據，如下：
z = [i for i in zip(X.flat,Y.flat)]
z
out:
[(0.0, 0.0),
(0.25, 0.0),
(0.5, 0.0),
(0.75, 0.0),
(1.0, 0.0),
(0.0, 0.5),
(0.25, 0.5),
(0.5, 0.5),
(0.75, 0.5),
(1.0, 0.5),
(0.0, 1.0),
(0.25, 1.0),
(0.5, 1.0),
(0.75, 1.0),
(1.0, 1.0)]
Meshgrid函數的一些應用場景
Meshgrid函數常用的場景有等高線繪制及機器學習中SVC超平面的繪制（二維場景下）。
分別圖示如下：
（1）等高線
（2）SVC中超平面的繪制：
關於場景（1）和場景（2），將在后續的文章里做進一步描述。
當然，可能還有些其他場景，這里就不做進一步介紹了。
如果您喜歡我的文章，歡迎關注微信公眾號：Python數據之道（ID：PyDataRoad）