关于np.meshgrid函数中的indexing参数问题_Python

meshgrid函数在二维空间中可以简单地理解为将x轴与y轴的每个位置的坐标关联起来形成了一个网格，我们知道空间中的点是由坐标确定的，因此，当x与y关联起来后，我们便可以给与某个点某个特定值并画出对应的图像。

具体的可以百度一下，会有很多较为详细的介绍。

这里我想要着重的说一下二维以及三维的meshgrid的参数indexing的问题。

二维meshgrid函数

import numpy as np


class debug:
    def __init__(self):
        self.x = np.arange(5)
        self.y = np.arange(5)
        
    def grid(self):
        x, y = np.meshgrid(self.x, self.y, indexing="xy")
        return x, y
    

main = debug()
x, y = main.grid()
print("the x grid is:")
print(x)
print("the y grid is:")
print(y)
"""
the x grid is:
[[0 1 2 3 4]
 [0 1 2 3 4]
 [0 1 2 3 4]
 [0 1 2 3 4]
 [0 1 2 3 4]]
the y grid is:
[[0 0 0 0 0]
 [1 1 1 1 1]
 [2 2 2 2 2]
 [3 3 3 3 3]
 [4 4 4 4 4]]
"""

从上面的结果可以看出，所获取的网格对应如下图所示，横向为x轴，纵向为y轴，类似于我们在几何空间中使用的坐标系，我们通常称之为笛卡尔坐标系（cartesian coordinate)。

在二维meshgrid网格创建命令中，笛卡尔坐标系是默认的坐标系。

然而在python编程中，还有一种较为常用的indexing取法，代码如下：

import numpy as np


class debug:
    def __init__(self):
        self.x = np.arange(5)
        self.y = np.arange(5)
        
    def grid(self):
        x, y = np.meshgrid(self.x, self.y, indexing="ij")
        return x, y
    

main = debug()
i, j = main.grid()
print("the i grid is:")
print(i)
print("the j grid is:")
print(j)
"""
the i grid is:
[[0 0 0 0 0]
 [1 1 1 1 1]
 [2 2 2 2 2]
 [3 3 3 3 3]
 [4 4 4 4 4]]
the j grid is:
[[0 1 2 3 4]
 [0 1 2 3 4]
 [0 1 2 3 4]
 [0 1 2 3 4]
 [0 1 2 3 4]]
"""

此时从上面的结果我们可以看出，所获取的网格对应如下图所示，纵向为i轴，横向为j轴，我们在编程中通常很少使用的这种坐标系。但是它也有自己的优势，这里不进一步说明。

三维meshgrid函数

进一步我们讨论三维的情况，代码如下：

import numpy as np


class debug:
    def __init__(self):
        self.x = np.arange(3)
        self.y = np.arange(3)
        self.z = np.arange(3)
        
    def grid(self):
        x, y, z = np.meshgrid(self.x, self.y, self.z)
        return x, y, z
    

main = debug()
x, y, z = main.grid()
print("the x grid is:")
print(x)
print("the y grid is:")
print(y)
print("the z grid is:")
print(z)
"""
the x grid is:
[[[0 0 0]
  [1 1 1]
  [2 2 2]]

 [[0 0 0]
  [1 1 1]
  [2 2 2]]

 [[0 0 0]
  [1 1 1]
  [2 2 2]]]
the y grid is:
[[[0 0 0]
  [0 0 0]
  [0 0 0]]

 [[1 1 1]
  [1 1 1]
  [1 1 1]]

 [[2 2 2]
  [2 2 2]
  [2 2 2]]]
the z grid is:
[[[0 1 2]
  [0 1 2]
  [0 1 2]]

 [[0 1 2]
  [0 1 2]
  [0 1 2]]

 [[0 1 2]
  [0 1 2]
  [0 1 2]]]
"""

由上面的结果我们可以看到，此时的坐标轴对应如下图像：

x轴向下，y轴向屏幕内侧，z轴向右侧，在三维图像中不再根据indexing值来区分坐标轴了，而是统一规定了坐标轴的取法，只有对于这个坐标轴的取法深入理解，才能在之后的三维数据处理中游刃有余。

特别说明

但是这里有一个问题，来看一组代码：

class debug:
    def __init__(self):
        x = np.array([[[0],
                       [2]], [[4],
                              [6]], [[8],
                                     [10]]])
        print(x.shape)


main = debug()
"""
(3, 2, 1)
"""

我们可以看到，输出结果为(3, 2, 1)，即沿着x轴1个元素，沿着y轴2个元素，沿着z轴3个元素。

再来看一下我们使用meshgrid方法生成三维网格的情况。

import numpy as np


class debug:
    def __init__(self):
        self.x = np.arange(1)
        self.y = np.arange(2)
        self.z = np.arange(3)

    def grid(self):
        x, y, z = np.meshgrid(self.x, self.y, self.z)
        return x, y, z


main = debug()
x, y, z = main.grid()
print("the x grid is:")
print(x.shape)
print("the y grid is:")
print(y.shape)
print("the z grid is:")
print(z.shape)
"""
the x grid is:
(2, 1, 3)
the y grid is:
(2, 1, 3)
the z grid is:
(2, 1, 3)
"""

我们可以看到，最终输出的x，y，z的shape均为(2, 1, 3)，这对应的是沿着x轴3个元素，沿着y轴1个元素，沿着z轴2个元素。

突然感觉有些混乱，不符合我们之前想要得到的x,y,z的排列顺序，为了能够得到正常的排列顺序，我们可以使用如下代码：

import numpy as np


class debug:
    def __init__(self):
        self.x = np.arange(1)
        self.y = np.arange(2)
        self.z = np.arange(3)

    def grid(self):
        x, y, z = np.meshgrid(self.y, self.z, self.x)
        return x, y, z


main = debug()
x, y, z = main.grid()
print("the x grid is:")
print(x.shape)
print("the y grid is:")
print(y.shape)
print("the z grid is:")
print(z.shape)
"""
the x grid is:
(3, 2, 1)
the y grid is:
(3, 2, 1)
the z grid is:
(3, 2, 1)
"""

可以看到运行后我们得到了符合python默认坐标轴习惯的网格形式，这时对应的x轴向右侧，y轴向下，z轴向屏幕里面。

这个仅仅是为了理解需要，实际操作中无需进行这种坐标轴变换操作，直接使用默认的三维坐标轴方向即可。