python - 从 2D 数组创建矢量化 numpy.meshgrid 以创建 3D 网格

Question

有没有办法矢量化 np.meshgrid 的创建？

#Example of normal np.meshgrid

x = [1.22749725, 2.40009184, 1.48602747, 2.83286752, 2.37426951]
y = [1.23816021, 1.69811451, 2.08692546, 2.13706377, 1.60298873]
gridrez=10

X,Y = np.meshgrid(np.linspace(min(x), max(x), endpoint=True, num=gridrez), 
                  np.linspace(min(y), max(y), endpoint=True, num=gridrez))
# X.shape = 10x10
# Y.shape = 10x10

我想复制此功能，但 x,y 不是 1x5 数组，而是 1000x5 数组，结果 X,Y 将是 1000x10x10。注意我已经找到了一种矢量化 np.linspace 的方法，所以不用担心。假设我们有两个 (1000x10) 数组并想要创建一个 1000x10x10 的网格。当我输入答案时，我得到一个 (10000,10000) 网格而不是 1000x10x10

Answer 1

这里使用 vectorized-linspace : create_ranges -

# https://stackoverflow.com/a/40624614/ @Divakar
def create_ranges(start, stop, N, endpoint=True):
    if endpoint==1:
        divisor = N-1
    else:
        divisor = N
    steps = (1.0/divisor) * (stop - start)
    return steps[:,None]*np.arange(N) + start[:,None]

def linspace_nd(x,y,gridrez):
    a1 = create_ranges(x.min(1), x.max(1), N=gridrez, endpoint=True)
    a2 = create_ranges(y.min(1), y.max(1), N=gridrez, endpoint=True)
    out_shp = a1.shape + (a2.shape[1],)
    Xout = np.broadcast_to(a1[:,None,:], out_shp)
    Yout = np.broadcast_to(a2[:,:,None], out_shp)
    return Xout, Yout

linspace_nd 的最终输出将是矢量化 linspace 输出的 3D GridView ，因此内存效率高，因此性能也很好。

或者，如果您需要具有自己的内存空间而不是 View 的输出，则可以使用 np.repeat 进行复制 -

Xout = np.repeat(a1[:,None,:],a2.shape[1],axis=1)
Yout = np.repeat(a2[:,:,None],a1.shape[1],axis=2)

使用 View 创建此类数组的时机 -

In [406]: np.random.seed(0)
     ...: x = np.random.rand(1000,5)
     ...: y = np.random.rand(1000,5)

In [408]: %timeit linspace_nd(x,y,gridrez=10)
1000 loops, best of 3: 221 µs per loop