python笔记之NUMPY中的meshgrid()——生成以某点为中心指定半径内的

1、meshgrid函数用两个坐标轴上的点在平面上画格。

用法：
　　[X,Y]=meshgrid(x,y)
　　[X,Y]=meshgrid(x)与[X,Y]=meshgrid(x,x)是等同的
　　[X,Y,Z]=meshgrid(x,y,z)生成三维数组，可用来计算三变量的函数和绘制三维立体图
　　例如例题1：
　　x=-3:1:3;y=-2:1:2;
　　[X,Y]= meshgrid(x,y);
　　这里meshigrid（x，y）的作用是产生一个以向量x为行，向量y为列的矩阵，而x是从-3开始到3，每间隔1记下一个数据，并把这些数据集成矩阵X；同理y则是从-2到2，每间隔1记下一个数据，并集成矩阵Y。即
　　X=
　　-3 -2 -1 0 1 2 3
　　-3 -2 -1 0 1 2 3
　　-3 -2 -1 0 1 2 3
　　-3 -2 -1 0 1 2 3
　　-3 -2 -1 0 1 2 3
　　Y =
　　-2 -2 -2 -2 -2 -2 -2
　　-1 -1 -1 -1 -1 -1 -1
　　0 0 0 0 0 0 0
　　1 1 1 1 1 1 1
　　2 2 2 2 2 2 2

附注：例题中meshgrid(-3:1:3,-2:1:2);因为-3:1:3产生的是含有7个数字的行向量；-2:1:2产生的是含有5个数字的行向量。所以该命令的结果是产生5*7的矩阵（X,Y都是5*7的矩阵；其中X是由第一个含7个元素的行向量产生，Y是由第二个行向量产生）

 

2、   meshgrid是MATLAB中用于生成网格采样点的函数。在使用MATLAB进行3-D图形绘制方面有着广泛的应用。

生成绘制3-D图形所需的网格数据。在计算机中进行绘图操作时，往往需要一些采样点，然后根据这些采样点来绘制出整个图形。在进行3-D绘图操作时，涉及到x、y、z三组数据，而x、y这两组数据可以看做是在Oxy平面内对坐标进行采样得到的坐标对(x,y)。

 

   语法：

　　[X,Y] = meshgrid(x,y)

　　上面的描述，我们可以知道，meshgrid返回的两个矩阵X、Y必定是行数、列数相等的，且X、Y的行数都等

于输入参数y中元素的总个数，X、Y的列数都等于输入参数x中元素总个数（这个结论可以通过查看meshgrid的源代码得到，可以通过示例程序得到验证）。

　　[X,Y]=meshgrid(x)与[X,Y]=meshgrid(x,x)是等同的

　　[X,Y,Z]=meshgrid(x,y,z)生成三维数组，可用来计算三变量的函数和绘制三维立体图

　　相关函数： plot3、mesh、surf、automesh、ndgrid

例如：axis off;
x=-2:.2:2;
y=-1:.2:3;
[xx,yy]=meshgrid(x,y);
zz=100*(yy-xx.^2).^2+(1-xx).^2;
surfc(xx,yy,zz)；（三维图）

一个列子：

import numpy

all_points = numpy.random.random((1000, 1000))  # Input array

# Size of your array of points all_points:
(image_size_x, image_size_y) = all_points.shape

# Disk definition:
(center_x, center_y) = (500, 500)
radius = 10

x_grid, y_grid = numpy.meshgrid(numpy.arange(image_size_x), numpy.arange(image_size_y)) ————生成了（x, y）二维格网
                               
# Array of booleans with the disk shape
disk = ((x_grid-center_x)**2 + (y_grid-center_y)**2) <= radius**2  ————disk 是距离中心格网点（center_x, center_y)  小于等于 radius**2（x, y）

# You can now do all sorts of things with the mask "disk":

# For instance, the following array has only 317 points (about pi*radius**2):
points_in_disk = all_points[disk]

# You can also use masked arrays:
points_in_circle2 = numpy.ma.masked_array(all_points, ~disk)  ————数据掩膜处理

from matplotlib import pyplot
pyplot.imshow(points_in_circle2)  -----------matplotlib中使用imshow绘制二维图