python - 从三个 1D 数组创建 3D 坐标的 numpy 数组，第一个索引变化最快

Question

类似于问题here我有三个任意一维数组，例如:

x_p = np.array((0.0,1.1, 2.2, 3.3, 4.4))
y_p = np.array((5.5,6.6,7.7))
z_p = np.array((8.8, 9.9))

我需要

points = np.array([[0.0, 5.5, 8.8],
                   [1.1, 5.5, 8.8],
                   [2.2, 5.5, 8.8],
                   ...
                   [4.4, 7.7, 9.9]])

1) 第一个索引变化最快。2) 点是浮点坐标，而不是整数索引。3)我注意到从版本1.7.0开始，numpy.meshgrid已经改变了默认indexing='xy'的行为，并且需要使用

np.vstack(np.meshgrid(x_p,y_p,z_p,indexing='ij')).reshape(3,-1).T

获取最后一个索引快速变化的结果点，这不是我想要的。(从1.7.0开始才提到，meshgrid支持维度>2，我没有检查)

Answer 1

我通过一些尝试和错误发现了这一点。

我认为 ij v xy 索引一直在 meshgrid 中(这是更新的 sparse 参数) )。它只影响 3 个返回元素的顺序。

为了让 x_p 变化最快，我将其放在参数列表的最后，然后使用 ::-1 反转末尾的列顺序。

我使用 stack 在最后将数组连接到新轴上，因此不需要转置。但 reshape 和转置都很便宜(时间方面)。因此它们可以以任何有效且易于理解的组合使用。

In [100]: np.stack(np.meshgrid(z_p, y_p, x_p, indexing='ij'),3).reshape(-1,3)[:,::-1]
Out[100]: 
array([[ 0. ,  5.5,  8.8],
       [ 1.1,  5.5,  8.8],
       [ 2.2,  5.5,  8.8],
       [ 3.3,  5.5,  8.8],
       [ 4.4,  5.5,  8.8],
       [ 0. ,  6.6,  8.8],
       ...
       [ 2.2,  7.7,  9.9],
       [ 3.3,  7.7,  9.9],
       [ 4.4,  7.7,  9.9]])