numpy.meshgrid() in Python

numpy.meshgrid() in Python

The meshgrid() function of Python numpy class returns the coordinate matrices from coordinate vectors.

Syntax

numpy.meshgrid(*xi, **kwargs)

Parameter

The numpy.meshgrid() function consists of four parameters which are as follow:

x1, x2,…, xn: This parameter signifies 1-D arrays representing the coordinates of a grid.

indexing : {‘xy’, ‘ij’}, optional It is an optional parameter representing the cartesian (‘xy’, default) or matrix indexing of output.

sparse:  It is an optional parameter which takes Boolean value. If ‘True’ is passed then a sparse grid is returned in order to conserve memory.

copy: It is an optional parameter which takes Boolean value. If ‘False’ is passed, a view into the original arrays are returned to conserve the memory.

Return

This function returns the coordinate length from coordinate vectors.

Example 1

# Program to Explain
# numpy.meshgrid() fucntion
import numpy as np
x = np.linspace(-2, 2, 9)
# numpy.linspace creates an array of
# 9 linearly placed elements between
y = np.linspace(-5, 5, 11)
# meshgrid two 2-dimensional arrays 
x_1, y_1 = np.meshgrid(x, y)
print("x_1 Matrix: ")
print(x_1)
print("y_1 Matrix: ")
print(y_1)

Output

x_1 Matrix:
[[-2.  -1.5 -1.  -0.5  0.   0.5  1.   1.5  2. ]
[-2.  -1.5 -1.  -0.5  0.   0.5  1.   1.5  2. ]
[-2.  -1.5 -1.  -0.5  0.   0.5  1.   1.5  2. ]
[-2.  -1.5 -1.  -0.5  0.   0.5  1.   1.5  2. ]
[-2.  -1.5 -1.  -0.5  0.   0.5  1.   1.5  2. ]
[-2.  -1.5 -1.  -0.5  0.   0.5  1.   1.5  2. ]
[-2.  -1.5 -1.  -0.5  0.   0.5  1.   1.5  2. ]
[-2.  -1.5 -1.  -0.5  0.   0.5  1.   1.5  2. ]
[-2.  -1.5 -1.  -0.5  0.   0.5  1.   1.5  2. ]
[-2.  -1.5 -1.  -0.5  0.   0.5  1.   1.5  2. ]
[-2.  -1.5 -1.  -0.5  0.   0.5  1.   1.5  2. ]]

y_1 Matrix:
[[-5. -5. -5. -5. -5. -5. -5. -5. -5.]
[-4. -4. -4. -4. -4. -4. -4. -4. -4.]
[-3. -3. -3. -3. -3. -3. -3. -3. -3.]
[-2. -2. -2. -2. -2. -2. -2. -2. -2.]
[-1. -1. -1. -1. -1. -1. -1. -1. -1.]
[ 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.]
[ 3.  3.  3.  3.  3.  3.  3.  3.  3.]
[ 4.  4.  4.  4.  4.  4.  4.  4.  4.]
[ 5.  5.  5.  5.  5.  5.  5.  5.  5.]]

Example 2

# Program to explain the Matrix indexing
import numpy as np
x = np.linspace(-3, 3, 9)
y = np.linspace(-4, 4, 11)
# The meshgrid function returns
# two 2-dimensional arrays   
x_1, y_1 = np.meshgrid(x, y)
x_2, y_2 = np.meshgrid(x, y, indexing = 'ij')
# The below code checks if matrix x_2 and matrix y_2 are the
# transposes of matrix x_1 and matrix y_1
print("x_2 Matrix: ")
print(x_2)
print("y_2 Matrix: ")
print(y_2)

Output

x_2 Matrix:
[[-3.   -3.   -3.   -3.   -3.   -3.   -3.   -3.   -3.   -3.   -3.  ]
[-2.25 -2.25 -2.25 -2.25 -2.25 -2.25 -2.25 -2.25 -2.25 -2.25 -2.25]
[-1.5  -1.5  -1.5  -1.5  -1.5  -1.5  -1.5  -1.5  -1.5  -1.5  -1.5 ]
[-0.75 -0.75 -0.75 -0.75 -0.75 -0.75 -0.75 -0.75 -0.75 -0.75 -0.75]
[ 0.    0.    0.    0.    0.    0.    0.    0.    0.    0.    0.  ]
[ 0.75  0.75  0.75  0.75  0.75  0.75  0.75  0.75  0.75  0.75  0.75]
[ 1.5   1.5   1.5   1.5   1.5   1.5   1.5   1.5   1.5   1.5   1.5 ]
[ 2.25  2.25  2.25  2.25  2.25  2.25  2.25  2.25  2.25  2.25  2.25]
[ 3.    3.    3.    3.    3.    3.    3.    3.    3.    3.    3.  ]]

y_2 Matrix:
[[-4.  -3.2 -2.4 -1.6 -0.8  0.   0.8  1.6  2.4  3.2  4. ]
[-4.  -3.2 -2.4 -1.6 -0.8  0.   0.8  1.6  2.4  3.2  4. ]
[-4.  -3.2 -2.4 -1.6 -0.8  0.   0.8  1.6  2.4  3.2  4. ]
[-4.  -3.2 -2.4 -1.6 -0.8  0.   0.8  1.6  2.4  3.2  4. ]
[-4.  -3.2 -2.4 -1.6 -0.8  0.   0.8  1.6  2.4  3.2  4. ]
[-4.  -3.2 -2.4 -1.6 -0.8  0.   0.8  1.6  2.4  3.2  4. ]
[-4.  -3.2 -2.4 -1.6 -0.8  0.   0.8  1.6  2.4  3.2  4. ]
[-4.  -3.2 -2.4 -1.6 -0.8  0.   0.8  1.6  2.4  3.2  4. ]
[-4.  -3.2 -2.4 -1.6 -0.8  0.   0.8  1.6  2.4  3.2  4. ]]