最近看到一篇很清晰的讲解mgrid()和meshgrid()函数的文章，收藏并转载于此，原文链接：https://www.cnblogs.com/shenxiaolin/p/8854197.html
一、meshgrid函数
meshgrid函数通常使用在数据的矢量化上。
它适用于生成网格型数据，可以接受两个一维数组生成两个二维矩阵，对应两个数组中所有的(x,y)对。
示例展示：
由上面的示例展示可以看出，meshgrid的作用是：
根据传入的两个一维数组参数生成两个数组元素的列表。
如果第一个参数是xarray，维度是xdimesion，
第二个参数是yarray，维度是ydimesion。
那么生成的第一个二维数组是以xarray为行，共ydimesion行的向量；
而第二个二维数组是以yarray的转置为列，共xdimesion列的向量。
二、 mgrid函数
用法：返回多维结构，常见的如2D图形，3D图形。对比np.meshgrid，在处理大数据时速度更快，且能处理多维（np.meshgrid只能处理2维）
ret = np.mgrid[ 第1维，第2维 ，第3维 ， …]
返回多值，以多个矩阵的形式返回，
第1返回值为第1维数据在最终结构中的分布，
第2返回值为第2维数据在最终结构中的分布，以此类推。（分布以矩阵形式呈现）
例如np.mgrid[X , Y]
样本（i，j）的坐标为 （X[i，j] ,Y[i，j]）,X代表第1维，Y代表第2维，在此例中分别为横纵坐标。
例如1D结构（array），如下：
In [2]: import numpy as np
In [3]: pp=np.mgrid[-5:5:5j]
In [4]: pp
Out[4]: array([-5. , -2.5, 0. , 2.5, 5. ])
例如2D结构 (2D矩阵)，如下：
>>> pp = np.mgrid[-1:1:2j,-2:2:3j]
>>> x , y = pp
>>> x
array([[-1., -1., -1.],
[ 1., 1., 1.]])
>>> y
array([[-2., 0., 2.],
[-2., 0., 2.]])例如3D结构 (3D立方体)，如下：
>>> pp = np.mgrid[-1:1:2j,-2:2:3j,-3:3:5j]
>>> print pp
[[[[-1. -1. -1. -1. -1. ]
[-1. -1. -1. -1. -1. ]
[-1. -1. -1. -1. -1. ]]
[[ 1. 1. 1. 1. 1. ]
[ 1. 1. 1. 1. 1. ]
[ 1. 1. 1. 1. 1. ]]]
[[[-2. -2. -2. -2. -2. ]
[ 0. 0. 0. 0. 0. ]
[ 2. 2. 2. 2. 2. ]]
[[-2. -2. -2. -2. -2. ]
[ 0. 0. 0. 0. 0. ]
[ 2. 2. 2. 2. 2. ]]]
[[[-3. -1.5 0. 1.5 3. ]
[-3. -1.5 0. 1.5 3. ]
[-3. -1.5 0. 1.5 3. ]]
[[-3. -1.5 0. 1.5 3. ]
[-3. -1.5 0. 1.5 3. ]
[-3. -1.5 0. 1.5 3. ]]]] 三、meshgrid 和 mgrid 的区别
mgrid[[1:3:3j, 4:5:2j]]
3j：3个点
-
- 步长为复数表示点数，左闭右闭
- 步长为实数表示间隔，左闭右开
