我来补充一下Iris数据绘图时用到的几个函数
一、 np.mgrid
# np.mgrid
import numpy as np
x1 = np.mgrid[1:5:1]
print(x1, '\n')
- 最原始的np.mgrid:创建一维数组,x = np.mgrid[a: b: c] 其中a和b表示左闭右开区间[a,b),c(实数)表示步长
结果:[1 2 3 4]
x2 = np.mgrid[1:5:5j]
print(x2, '\n')
- np.mgrid[a: b: cj],加了一个j表示cj是一个复数(虚数),此时a和b构成闭区间[a.b],c表示[a.b]内的点数
结果:[1. 2. 3. 4. 5.]
x, y = np.mgrid[1:5:5j, 1:4:4j]
print(x, '\n\n', y)
- 用 x, y = np.mgrid[a1:b1:c1j, a2:b2:c2j] 创建二维数组:x横坐标就是逗号前面的,每行的横坐标一样,从上到下依次为[a1:b1:c1j]表示的数列。y纵坐标,每列纵坐标一样,从左到右依次为[a2:b2:c2j]表示的数列。
结果:
[[1. 1. 1. 1.]
[2. 2. 2. 2.]
[3. 3. 3. 3.]
[4. 4. 4. 4.]
[5. 5. 5. 5.]]
[[1. 2. 3. 4.]
[1. 2. 3. 4.]
[1. 2. 3. 4.]
[1. 2. 3. 4.]
[1. 2. 3. 4.]]
二、np.stack
np.stack中的stack就是堆叠的意思,可以将两个(几个)数组(arrays)堆叠在一起生成一个坐标集
np.stack常和np.mgrid结合使用,用np.mgrid从数据库中提取出属性的值生成坐标值x和y,再用np.stack将x和y堆叠生成(x,y)坐标集
详细用法见代码中的备注:
x1 = np.arange(4)
x2 = np.array([0, 1, 2])
# print(x2.shape, x1.shape)测试用
# 用array.shape查看该array的shape
x3 = np.arange(1, 5)
# 用np.arrange(起点,终点)生成左闭右开序列[起点,终点)
# print(x1, x3)测试用
x4 = np.stack((x1, x3), axis=0)
x5 = np.stack((x1, x3), axis=1)
'''
基本用法:np.stack((array1, array2, array3...arrayn), axis=k)
array1~n,表示n个要参与堆叠的数组;
axis=k,表示要堆叠第k维,得到的结果array中第k+1维变成n;
若axis=0,表示堆叠第1维(数组中0是第一个),即行的堆叠,array1和array2都排成行,一行行堆叠下去,故行数为2,第一维变成2
若axis=1,表示堆叠第二维,即列的堆叠,array1和array2都打竖排成列,再一列列排下去,故列数为2,第二维变成2
注意:all input arrays must have the same shape,所以x1和x2不能stack
'''
print(x4, '\n', x5, '\n')
y1 = np.array([[1, 2, 0], [3, 4, 0]])
y2 = np.array([[5, 6, 9], [7, 8, 9]])
y4 = np.array([[0, 6, 9], [7, 8, 9]])
# print(y1.shape, y2.shape)测试
# print(y2)测试
y3 = np.stack((y1, y2, y4), axis=0)
print(y3)
print(y3.shape)
# 可见第一维变成了3,因为按行堆叠了三个array,后面的2和3就是被堆叠array的原维数