python：使用np.vectorize和np.meshgrid获取数组的固定列表-误解

Question

使用np.vectorize和np.meshgrid后，我在数组上遇到了麻烦

以下是我的终端机的结果

我怎么得到的

def test_func(x, y):
    """
    some calc here:
    arr = np.linspace(1,100, num=y)
    res = another_func(x, arr) 
    return np.sum(res, axis=-1)

    """

    return # (2,2)-np.ndarray

X = np.array([1, 2, 3, 4])
Y = np.array([1, 2, 3])

X, Y = np.meshgrid(X, Y)

# res = test_func(X, Y) ---> TypeError: only size-1 arrays can be converted to Python scalars

func = np.vectorize(test_func, otypes=[object])

res = func(X, Y)

会发生什么

用（x，y）调用函数后，得到一个（2，2）数组
用系列（x，y）调用函数后，获得多维数组-
将结果切片，并与Array中的第一个元素组合
（x，y，结果）的3d图

res = \
[[array([[1, 2],
         [3, 4]]),
  array([[11, 12],
         [13, 14]]),
  array([[111, 122],
         [133, 144]]),
  array([[1111, 1222],
         [1333, 1444]])],
 [array([[1, 2],
         [3, 4]]),
  array([[11, 12],
         [13, 14]]),
  array([[111, 122],
         [133, 144]]),
  array([[1111, 1222],
         [1333, 1444]])],
 [array([[1, 2],
         [3, 4]]),
  array([[11, 12],
         [13, 14]]),
  array([[111, 122],
         [133, 144]]),
  array([[1111, 1222],
         [1333, 1444]])]]

    type <class 'numpy.ndarray'>
    shape (3, 4)

切片后得到
res =
[[1 11 11 1111]，
 [1 11 11 1111]，
 [1 11 11 1111]]

然后plot_3d(X,Y,res)

问题

为什么res的类型是数组？它看起来像一个数组列表。

我尝试使用 np.array(res)->与图形shape（3，4）相同，保持不变

np.array(res.tolst())->形状为（3，4，2，2）的np.ndarray

Answer 1

为什么不切片？

numpy.meshgrid返回numpy.ndarray的列表。

示例

假设您要根据以下x和y创建一个网格：

x = np.random.randint(10, size=(5))
y = np.random.randint(10, size=(5))
meshgrid = np.meshgrid(x,y)

您会得到类似的东西：

[array([[7, 1, 1, 0, 0],
        [7, 1, 1, 0, 0],
        [7, 1, 1, 0, 0],
        [7, 1, 1, 0, 0],
        [7, 1, 1, 0, 0]]), array([[0, 0, 0, 0, 0],
        [0, 0, 0, 0, 0],
        [3, 3, 3, 3, 3],
        [2, 2, 2, 2, 2],
        [7, 7, 7, 7, 7]])]

但这是一个列表，并且列表没有属性形状（AttributeError: 'list' object has no attribute 'shape'）。

那怎么切呢？

如果您需要将列表切成numpy矩阵，请将其转换为numpy数组：

numpy_meshgrid = np.array(meshgrid)

您的func函数的结果很可能还需要转换为numpy.ndarray。

现在，您可以分割所有想要的内容：

array= np.random.randint(10, size=(3, 4, 2, 2))
slice = array[:,:,0,0]

结果是：

array([[6, 7, 5, 3],
   [1, 6, 0, 5],
   [4, 5, 6, 9]])