NumpyノートのArrayとNumpyを勉強します.mgrid

Numpy
NumpyはPythonで科学計算に使用されるコアライブラリです.強力な多次元配列を提供し、これらの配列を処理するためのツールを提供します.
Arrays
numpy配列は値を表すメッシュであり、すべてのタイプが同じであり、非負の整数メタグループによってインデックスされます.次元の数は配列のrank(ランク)である.配列のshapeは整数のメタグループであり,各次元に配列の大きさを与える
ネストされたPythonリストからnumpy配列を初期化し、角カッコを使用して要素にアクセスできます.

import numpy as np

a = np.array([1, 2, 3])   #      (rank)1  
print(type(a))            #    ""
print(a.shape)            #    "(3,)"
print(a[0], a[1], a[2])   #    "1 2 3"
a[0] = 5                  #         
print(a)                  #    "[5, 2, 3]"

b = np.array([[1,2,3],[4,5,6]])    #      2  
print(b.shape)                     #    "(2, 3)"
print(b[0, 0], b[0, 1], b[1, 0])   #    "1 2 4"

Numpyは配列を作成する方法もたくさんあります:import numpy as np

a = np.zeros((2,2))   #          0   
print(a)              #    "[[ 0.  0.]
                      #          [ 0.  0.]]"

b = np.ones((1,2))    #          1   
print(b)              #   s "[[ 1.  1.]]"

c = np.full((2,2), 7)  #         
print(c)               #    "[[ 7.  7.]
                       #          [ 7.  7.]]"

d = np.eye(2)         #     2x2     
print(d)              #    "[[ 1.  0.]
                      #          [ 0.  1.]]"

e = np.random.random((2,2))  #            
print(e)                     #      "[[ 0.91940167  0.08143941]
                             #               [ 0.68744134  0.87236687]]"

numpy.mgrid

numpy.mgrid = 

nd_grid例は密集した多次元メッシュを返します
1つlib.index_tricks.nd_grid例は、インデックスされたときに密集したグリッドを返すため、返されるargumentごとに同じshapeがある.出力配列の次元と数はインデックス次元の数と同じです.複素数(step length)が複雑な数でない場合、停止は含まれません.
しかしstep lengthの場合、複数(例えば5 j)があり、magnitudeの整数部分が解釈される.次に、そのサイズの整数部分は、開始値と停止値の間に作成するポイントの数を指定するように解釈され、停止値は収容されます.
ps:上は翻訳で、元のウェブサイトは:http://cs231n.github.io/python-numpy-tutorial/#scipy-distとhttps://docs.scipy.org/doc/numpy/reference/generated/numpy.mgrid.html
一般的にはnp.mgrid[start:end:step]start:開始値stop:終了座標(この点を除く)step:ステップ数example:

a = np.mgrid[1:6:0.2, 1:3:0.1]  //   1：5      0.2，1：3      0.1

b = np.mgrid[1:3:3j, 1:5:4j]  //   1：3     ， 3 ，1:5     ， 4