mindspore.numpy.meshgrid

mindspore.numpy.meshgrid(*xi, sparse=False, indexing='xy')

返回由坐标向量生成的坐标矩阵。根据一维坐标数组 x1, x2, ... , xn ，生成用于对 N 维标量/向量场在 N 维网格上进行矢量化评估的 N 维坐标数组。

说明

不支持Numpy参数副本，并且始终只返回一个副本。

参数：

• *xi (Tensor) - 表示网格点坐标的一维数组。

• indexing ('xy', 'ij', 可选) - 输出数组的笛卡尔（'xy'，默认值）或矩阵（'ij'）的索引。在输入长度为 M 和 N 的二维情况下，'xy'索引的输出shape为 (N, M) ，'ij'索引shape为 (M, N) 。在输入长度为 M 、 N 和 P 的三维情况下，'xy'索引的输出shape为 (N, M, P) ，'ij'索引的输入shape为 (M, N, P) 。

• sparse (bool, 可选) - 如果为 True 则返回稀疏矩阵以节省内存，默认值： False 。

返回：

元素为Tensor的Tuple，对于长度为 Ni=len(xi) 的向量 x1, x2, ..., xn ，如果 indexing='ij' ，则返回shape为 (N1, N2, N3,...Nn) 的数组，或者如果 indexing='xy' ，则返回shape为 (N2, N1, N3, ...Nn) 的数组，其中 xi 的元素沿着第一维填充 x1 矩阵，第二维度填充 x2 矩阵，依此类推。

异常：

• TypeError - 如果输入不是Tensor，或者 sparse 不是布尔值，或者 indexing 不是'xy'或'ij'。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore.numpy as np
>>> x = np.linspace(0, 1, 3)
>>> y = np.linspace(0, 1, 2)
>>> xv, yv = np.meshgrid(x, y)
>>> print(xv)
[[0.  0.5 1. ]
[0.  0.5 1. ]]
>>> print(yv)
[[0.  0.  0.]
[1.  1.  1.]]
>>> xv, yv = np.meshgrid(x, y, sparse=True)
>>> print(xv)
[[0.  0.5  1. ]]
>>> print(yv)
[[0.]
[1.]]