python - 均匀采样的 3D 网格网格

Question

我有一个使用以下代码生成的 3 维网格网格：

x = np.linspace(-1,1,100)
xx, yy, zz = np.meshgrid(x, x, x)

这会生成一个 100 x 100 x 100 点的 3-d 点网格。我想绘制同一网格的均匀空间子采样，而不必生成新网格。我的方法是使用np.linspace()从原始数组中获取 10000 个均匀空间索引的数组来绘制xx[subsample]、、yy[subsample]和zz[subsample]。我用了

subsample = np.linspace(0,len(xx.flatten())-1,10000,dtype=int)

但是，当我将此数组传递给我的绘图函数时，我会在 3 维中得到不均匀的结构（对角线）：

我的猜测是发生这种情况是因为我展平了数组，然后使用了np.linspace()，但我无法弄清楚如何在 3 维中对网格进行采样并使其均匀分布。如果可能的话，我想避免生成新的网格。

我的问题是如何均匀地对原始 3 维网格网格进行二次采样，而无需生成新的网格网格？

标签： pythonarraysnumpymultidimensional-array

Answer 1

In [117]: x = np.linspace(-1,1,100)
     ...: xx, yy, zz = np.meshgrid(x, x, x)
In [118]: xx.shape
Out[118]: (100, 100, 100)

中的 1000 个等距点xx，对于所有其他网格类似：

In [119]: xx[::10,::10,::10].shape
Out[119]: (10, 10, 10)

或使用高级索引（制作副本）

In [123]: i=np.arange(0,100,10)
In [124]: xx[np.ix_(i,i,i)].shape
Out[124]: (10, 10, 10)

我认为我们可以np.ravel_multi_index用来获得一系列扁平索引。我们必须生成 1000 个索引元组才能做到这一点！

我不明白我们怎么能得到 10,000 分。 ::5会给8000分。