如何使用numpy.mgrid创建多维数组

Question

我想知道如何使用numpy mgrid创建一个网格（多维数组），对于未知数量的维度（D），每个维度都有下限和上限以及箱子数：

n_bins =  numpy.array([100 for  d in numpy.arrange(D)])
bounds = numpy.array([(0.,1) for d in numpy.arrange(D)])
grid = numpy.mgrid[numpy.linspace[(numpy.linspace(bounds(d)[0], bounds(d)[1], n_bins[d] for d in numpy.arrange(D)]

我猜上面的方法行不通，因为mgrid创建的是索引数组而不是值数组。但如何使用它来创建值数组呢？

谢谢。

Aso.agile

- Aso Agile

---

numpy.arange（"数组范围"），而不是 numpy.arrange。 - endolith

Answer 1

您可能会使用：

np.mgrid[[slice(row[0], row[1], n*1j) for row, n in zip(bounds, n_bins)]]

---

import numpy as np
D = 3
n_bins =  100*np.ones(D)
bounds = np.repeat([(0,1)], D, axis = 0)

result = np.mgrid[[slice(row[0], row[1], n*1j) for row, n in zip(bounds, n_bins)]]
ans = np.mgrid[0:1:100j,0:1:100j,0:1:100j]

assert np.allclose(result, ans)

请注意，np.ogrid可用于许多需要np.mgrid的地方，因为数组较小，所以它需要更少的内存。

- unutbu

---

谢谢@unutbu，它运行得很好。现在如何将这个网格转换为D维点，即100**D x D的形状？ - Aso Agile

“reshape” 确实会给出 100D 个 D-向量，但令人惊讶的是它们并不唯一，这也意味着并不是所有可能的向量都在其中。有什么方法可以获得网格中的所有 D-点呢？我实际上将其想象为一个 100D 的表格，并不知道如何处理 “mgrid” 给出的额外维度。 - Lev Levitsky

@LevLevitsky：要在网格中获取点，请使用result.reshape(D, -1).T。 -1将被替换为必须使用数组中的所有值的任何数字。感谢您的问题，这可能更像是AsoAgile正在寻找的内容。 - unutbu

假设您有一个函数，如 def f(x): return x[0]**2+x[1]。然后 grid = np.mgrid[0:5,0:5] 完美地设置了评估 f(grid) 的条件，它计算网格上每个点的 f(x)。请注意，np.ogrid 返回较小的数组，在此处也可以使用广播来实现。 - unutbu

@LevLevitsky：确实，您不能在任何函数中使用此“技巧”。计算必须在numpy数组的术语中有意义。如果您的计算无法用数组表示，则只能使用速度慢得多的“vectorize”或“frompyfunc”函数。 - unutbu