绘制两个变量的函数，其中包含

Question

我有以下问题，这是最小的例子：

import numpy as np
def f1(x,y,scal):
    return np.exp(-(scal-x)/y)
def f2(x,y,vec):
    return np.sum(np.exp(-(vec-x)/y))

inputvec = np.arange(1,10,1)

x = np.arange(10)
y = np.arange(1,8,1)
X,Y = np.meshgrid(x,y)
Z1 = f1(X,Y,20)
print Z1
Z2 = f2(X,Y,inputvec)

我想用3D绘制函数f2，所以这就是我尝试使用meshgrid的原因。错误是：

ValueError: operands could not be broadcast together with shapes (9,) (7,10) 

我甚至清楚为什么会这样，我认为python会像f1这样做，所以Z1可以是你可以绘制的网格答案。但是如果我在我的函数中使用向量和非常讨厌的求和操作会怎样。

问题：如何更改我的函数f2以解决此问题，或者是否有不同的方法（3D，Contour等）绘制f2而不通过meshgrid方式？

非常感谢！

Answer 1

您的问题并非100％明确，但我想您想要

def f3(x,y,vec):
    return np.sum(np.exp(-(vec[:, None, None] - x[None]) / y[None]), 0)

使用None（或等效地使用np.newaxis）进行索引会插入一个大小为1的新维度，因此vec[:, None, None]具有形状(9, 1, 1)和x[None]以及{ {1}}具有形状y[None]。 (1, 7, 10)然后broadcast将vec[:, None, None] - x[None]塑造成(10, 7, 9)。最后，我们使用np.sum(..., 0)计算第一维的总和，得到一个(7, 10)数组，如下所示：

Z3 = f3(X, Y, inputvec)
plt.pcolormesh(X, Y, Z3)

另一个简化此类操作的有用工具是np.ix_，它构建了一组适合广播的输入向量的“开放网格”：

v_, y_, x_ = np.ix_(inputvec, y, x)     # here x and y are 1D
z = np.sum(np.exp(-(v_ - x_) / y_), 0)