在循环中创建变量以动态创建griddata（）

Question

我正在尝试为数值算法编写一个函数。函数应该考虑一些状态变量的维数和上下界。然后，我希望函数在维度上创建一个状态空间。我可以使用griddata和静态定义维度的数量来轻松地编写它，但我想动态地定义空间。有人可以告诉我如何动态创建阵列传递给meshgrid吗？或者说明如何将字典解压缩到数组中？（因为这似乎是建议的方法）？甚至如何通过meshgrid数组列表？

下面是我在做什么静态版本：

import numpy as np 

#Define the bounds of the state space 
up_bound = 1 
low_bound = 0 

#Define the number of dimensions 
dim = 4 
m = 2^j - 1, where j is the identifier of the grid. 
j = 6 

#Define number of points 
m = 2**j - 1 

#Define the state space axes using the linear space function 
Xi = np.linspace(low_bound, up_bound, m) 
Phi = np.linspace(low_bound, up_bound, m) 
omega = np.linspace(low_bound, up_bound, m) 
delta = np.linspace(low_bound, up_bound, m) 

space = np.asarray(np.meshgrid(Xi, Phi, omega, delta)) 

Answer 1

您正在寻找* argument-unpacking operator。它可以让你的论点任意数量传递给函数：

import numpy as np 

up_bound = 1 
low_bound = 0 
dim = 4 
j = 6 
m = 2**j - 1 

space = np.asarray(np.meshgrid(*[np.linspace(low_bound, up_bound, m)]*dim)) 

上面的代码创建了非常大的数组作为dim增长，并为一个相当无趣的结果 - 有很多重复的阵列中， space。

你几乎肯定更好 - 并在此过程将节省空间和时间 - 通过使用sparse=True参数：

space = np.meshgrid(*[np.linspace(low_bound, up_bound, m)]*dim, sparse=True) 

使用这种方式时，space将dim阵列的列表，其形状将广播到他们未稀疏的弟兄的大小和形状。举例来说，如果你有一个像

def f(x): 
    return x[0] ** 2 + x[1] ** 2 + x[2] - x[3] 

一些功能与

space = np.meshgrid(*[np.linspace(low_bound, up_bound, m)]*dim, sparse=True) 
space_old = np.asarray(np.meshgrid(*[np.linspace(low_bound, up_bound, m)]*dim)) 

然后计算F（空间）给出了相同的结果为f（space_old）

In [140]: np.allclose(f(space_old), f(space)) 
Out[140]: True 

然而，space会明显小于space_old,很多更快产生：

In [148]: %timeit np.asarray(np.meshgrid(*[np.linspace(low_bound, up_bound, m)]*dim)) 
1 loops, best of 3: 635 ms per loop 

In [149]: %timeit np.meshgrid(*[np.linspace(low_bound, up_bound, m)]*dim, sparse=True) 
10000 loops, best of 3: 26.1 µs per loop