如何定义 (x,y) 坐标的二维数组

Question

我有一个 2d space 的 (x,y) 坐标，我想在 python 中建模并且想知道一种在 [=] 中定义 2d space 的方法17=] 在这里我可以为一个点 (x,y) 分配多个值。坐标的后期值将根据一些依赖于坐标的计算而改变。

我考虑过使用 numpy 数组根据用户输入的大小创建二维数组。我首先创建了一个 2d n*m numpy 零数组，后面的部分代码计算是在点上完成的。但是这样一来每个点(x,y)就只有一个值。

import numpy as np

x_coor=135

y_coor=120

grid=np.zeros((x_coor,y_coor)

有没有办法让它变成网格[x,y]=(value1,value2)，有没有比 numpy 数组更好的定义网格的方法？

Answer 1

您确实可以为此使用 numpy。一种方法是将 3d 数组定义为 np.zeros((x_coor, y_coor, 2)) 并保存沿最后一个轴的每个坐标。

使用 numpy 获得所需结构的另一种方法是定义 tuples 的 ndarray，并以上述方式更新每个点，即 grid[x,y] = (value1,value2)。方法如下：

x_coor=135
y_coor=120

grid = np.zeros((5,3), dtype='i,i')
grid[0,0] = (1,2)
grid[2,2] = (5,1)
grid[1,0] = (3,5)

print(grid)
array([[(1, 2), (0, 0), (0, 0)],
       [(3, 5), (0, 0), (0, 0)],
       [(0, 0), (0, 0), (5, 1)],
       [(0, 0), (0, 0), (0, 0)],
       [(0, 0), (0, 0), (0, 0)]], dtype=[('f0', '<i4'), ('f1', '<i4')])

如果您想使用多个坐标一次更新多个值，您可以这样做：

grid = np.zeros((5,3), dtype='i,i')

coordinates = np.array([(1,2),(2,2), (0,0)], dtype='i,i')
new_vals = np.array([(12,2),(4,1), (0,9)], dtype='i,i')

grid[tuple(zip(*coordinates))] = new_vals

print(grid)
array([[( 0, 9), ( 0, 0), ( 0, 0)],
       [( 0, 0), ( 0, 0), (12, 2)],
       [( 0, 0), ( 0, 0), ( 4, 1)],
       [( 0, 0), ( 0, 0), ( 0, 0)],
       [( 0, 0), ( 0, 0), ( 0, 0)]], dtype=[('f0', '<i4'), ('f1', '<i4')])

请注意，虽然元组 不可变 ，因此如果您打算使用这些坐标执行操作，您应该使用第一种方法。

Answer 2

您问题的简短回答：您应该使用 pandas 而不是 numpy 数组。 Numpy 旨在加速数组计算，因此它不允许将数组的每个元素定义为列表。 Pandas 然而，数据帧确实允许这些类型的操作。以下是如何在 pandas 中执行此类操作，并特别注意原始数据帧是如何灵活定义的，以便稍后可以对其进行操作以更改每个单元格中包含的列表的长度：

import numpy as np
import pandas as pd
df = pd.DataFrame(columns=[0,1,2])

for i in range(5):
df.loc[i,0] = np.arange(i)
df.loc[i,1] = np.arange(i)
df.loc[i,2] = np.arange(i)

print(df.loc[2,2])

这是单元格 (2,2) 中的条目：

array([0, 1])

您现在可以根据需要更改：

df.loc[2,2] = [10,20,30]

所以现在：

print(df.loc[2,2])

给你：

[10, 20, 30]

如何定义 (x,y) 坐标的二维数组

How to define a 2D array of (x,y) coordinates

python

2d

numpy

multidimensional-array

cartesian-coordinates