近期在好幾個地方都看到meshgrid的使用，雖然之前也註意到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的官方文章裏，meshgrid函數的英文描述也顯得文縐縐的，理解起來有些難度。
可以這麽理解，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

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，來查看函數運行後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），將在後續的文章裏做進一步描述。
當然，可能還有些其他場景，這裏就不做進一步介紹了。

如果您喜歡我的文章，歡迎關註微信公眾號：Python數據之道（ID：PyDataRoad）

Numpy中Meshgrid函數介紹及2種應用場景