首页 > 其他分享> 文章详细

np.meshgrid() 生成网格坐标函数

2020-08-11 16:01:08 阅读：351 来源： 互联网

标签：plt 矩阵 0.5 网格 meshgrid grid np 向量

numpy.meshgrid()：生成网格点坐标矩阵

[X,Y] = meshgrid(x,y) 将向量x和y定义的区域转换成矩阵X和Y,其中矩阵X的行向量是向量x的简单复制，而矩阵Y的列向量是向量y的简单复制(注：下面代码中X和Y均是数组，在文中统一称为矩阵了)。

假设x是长度为m的向量，y是长度为n的向量，则最终生成的矩阵X和Y的维度都是 nm （注意不是mn）。

至于为什么（其中矩阵X的行向量是向量x的简单复制，而矩阵Y的列向量是向量y的简单复制），看下面的图片

我们注意到网格坐标矩阵，其实有大量的重复——XXX的每一行都一样，YYY的每一列都一样

代码：

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
m, n = (5, 3)
x = np.linspace(0, 1, m)  #array([0.  , 0.25, 0.5 , 0.75, 1.  ])
y = np.linspace(0, 1, n)  #array([0. , 0.5, 1. ])
X, Y = np.meshgrid(x,y)
'''
X:
   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:
    array([[0. , 0. , 0. , 0. , 0. ],
       [0.5, 0.5, 0.5, 0.5, 0.5],
       [1. , 1. , 1. , 1. , 1. ]])
'''

X.shape  #(3, 5)
Y.shape  #(3, 5)

matplotlib中进行可视化，来查看函数运行后得到的网格化数据的结果

plt.plot(X, Y, marker='.', color='blue', linestyle='none')
plt.show()

说了这么多，这个网格坐标主要应用于等高线的绘制和机器学习中超平面的绘制

例子：

x_fearures = np.array([[-1, -2], [-2, -1], [-3, -2], [1, 3], [2, 1], [3, 2]])
y_label = np.array([0, 0, 0, 1, 1, 1])

## 调用逻辑回归模型
lr_clf = LogisticRegression()

## 用逻辑回归模型拟合构造的数据集
lr_clf = lr_clf.fit(x_fearures, y_label) #其拟合方程为 y=w0+w1*x1+w2*x2

# 可视化决策边界
plt.figure()
plt.scatter(x_fearures[:,0],x_fearures[:,1], c=y_label, s=50, cmap='viridis')
plt.title('Dataset')

nx, ny = 200, 100
x_min, x_max = plt.xlim()  #返回x轴的范围
y_min, y_max = plt.ylim()  #返回y轴的范围
x_grid, y_grid = np.meshgrid(np.linspace(x_min, x_max, nx),np.linspace(y_min, y_max, ny))

z_proba = lr_clf.predict_proba(np.c_[x_grid.ravel(), y_grid.ravel()])
z_proba = z_proba[:, 1].reshape(x_grid.shape)
plt.contour(x_grid, y_grid, z_proba, [0.5], linewidths=2., colors='blue')

plt.show()

标签：plt,矩阵,0.5,网格,meshgrid,grid,np,向量
来源： https://www.cnblogs.com/cgmcoding/p/13476149.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

np.meshgrid() 生成网格坐标函数