Numpy meshgrid Punkte

Ich möchte die Liste der Punkte, die entsprechen würde, um ein raster. Also, wenn ich will erstellen Sie ein raster für die region von (0,0) nach (1,1), es enthält die Punkte (0,0), (0,1), (1,0), (1,0).

Ich weiß, dass dies mit dem folgenden code:

g = np.meshgrid([0,1],[0,1])
np.append(g[0].reshape(-1,1),g[1].reshape(-1,1),axis=1)

Wodurch das Ergebnis:

array([[0, 0],
       [1, 0],
       [0, 1],
       [1, 1]])

Meine Frage ist eine doppelte:

  1. Gibt es einen besseren Weg, dies zu tun?
  2. Gibt es eine Möglichkeit zu verallgemeinern dies zu höheren Dimensionen?

InformationsquelleAutor juniper- | 2012-10-12

  1. 28

    Mir ist gerade aufgefallen, dass die Dokumentation in numpy bietet eine noch schnellere Möglichkeit, dies zu tun:

    X, Y = np.mgrid[xmin:xmax:100j, ymin:ymax:100j]
positions = np.vstack([X.ravel(), Y.ravel()])

    Dies kann einfach verallgemeinert werden, um weitere Dimensionen, die die verknüpfte meshgrid2 Funktion und mapping 'ravel', um die resultierenden raster.

    g = meshgrid2(x, y, z)
positions = np.vstack(map(np.ravel, g))

    Das Ergebnis ist etwa 35-mal schneller als die zip-Methode für ein 3D-array mit 1000 ticks auf jeder Achse.

    Quelle: http://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.gaussian_kde.html#scipy.stats.gaussian_kde

    Vergleich der beiden Methoden betrachten Sie das folgende code-Abschnitte:

    Erstellen die sprichwörtliche Teilstriche, die helfen, zu erstellen Sie den raster.

    In [23]: import numpy as np

In [34]: from numpy import asarray

In [35]: x = np.random.rand(100,1)

In [36]: y = np.random.rand(100,1)

In [37]: z = np.random.rand(100,1)

    Definieren Sie die Funktion, die mgilson verbunden mit der meshgrid:

    In [38]: def meshgrid2(*arrs):
   ....:     arrs = tuple(reversed(arrs))
   ....:     lens = map(len, arrs)
   ....:     dim = len(arrs)
   ....:     sz = 1
   ....:     for s in lens:
   ....:        sz *= s
   ....:     ans = []
   ....:     for i, arr in enumerate(arrs):
   ....:         slc = [1]*dim
   ....:         slc[i] = lens[i]
   ....:         arr2 = asarray(arr).reshape(slc)
   ....:         for j, sz in enumerate(lens):
   ....:             if j != i:
   ....:                 arr2 = arr2.repeat(sz, axis=j)
   ....:         ans.append(arr2)
   ....:     return tuple(ans)

    Erstellen des Gitters und der Zeit der beiden Funktionen.

    In [39]: g = meshgrid2(x, y, z)

In [40]: %timeit pos = np.vstack(map(np.ravel, g)).T
100 loops, best of 3: 7.26 ms per loop

In [41]: %timeit zip(*(x.flat for x in g))
1 loops, best of 3: 264 ms per loop
    Ich bekam eine Fehlermeldung:` Traceback (most recent call last): File "<stdin>", line 1, in <module> Datei ".\xxx.py" Linie 816, in meshgrid2 slc[i] = lens[i] TypeError: 'map' - Objekt ist nicht subscriptable` Datei xxx.py ist, wo ich Ihre Funktion.
    Du bist wahrscheinlich mit Python ist3, wo die Karte gibt einen iterator statt einer Liste. Einfachste Sache zu tun ist, um zu wickeln map im list: lens=list(map(len, arrs)).
    Über Numpy 1.8 gibt es keine Notwendigkeit für die meshgrid2 Funktion, da das standard - meshgrid Unterstützung von höheren Dimensionen.

    InformationsquelleAutor juniper-

  2. 13

    Sind Ihre gridpoints immer fester? Wenn ja, könnten Sie numpy.ndindex 

    print list(np.ndindex(2,2))

    Höheren Dimensionen:

    print list(np.ndindex(2,2,2))

    Leider nicht den Anforderungen des OP, da die Integrale Annahme (beginnend mit 0) ist nicht erfüllt. Ich lasse diese Antwort nur für den Fall jemand anderes ist auf der Suche für die gleiche Sache, wo diese Annahmen wahr sind.

    Einen anderen Weg, dies zu tun beruht auf zip:

    g = np.meshgrid([0,1],[0,1])
zip(*(x.flat for x in g))

    Dieser Anteil skaliert sehr schön auf beliebige Dimensionen. Leider np.meshgrid nicht gut zu skalieren, um mehrere Dimensionen, so dass ein Teil wird erarbeitet werden müssen, oder (vorausgesetzt, es funktioniert), können Sie diese SO beantworten erstellen Sie Ihre eigenen ndmeshgrid Funktion.

    Guter Vorschlag, aber leider sind Sie das nicht. Edit... auch das reicht nicht unbedingt beginnen mit dem Punkt (0,0,...).
    Schade. Ich habe eine andere Lösung, die von Interesse sein könnten ...
    Das tun werde. Danke!
    Ist es nicht eine große Menge zu konvertieren integral-Indizes numpy.ndindex in jeder Art, die Sie benötigen.

    InformationsquelleAutor mgilson

  3. 1

    Noch einen anderen Weg, es zu tun ist:

    np.indices((2,2)).T.reshape(-1,2)

    Kann verallgemeinert werden, zu höheren Dimensionen, z.B.:

    In [60]: np.indices((2,2,2)).T.reshape(-1,3)
Out[60]:
array([[0, 0, 0],
       [1, 0, 0],
       [0, 1, 0],
       [1, 1, 0],
       [0, 0, 1],
       [1, 0, 1],
       [0, 1, 1],
       [1, 1, 1]])

    InformationsquelleAutor claudiodsf

Schreibe einen Kommentar