ndgrid

N 维空间中的矩形网格

全页折叠

语法

[X1,X2,...,Xn] = ndgrid(x1,x2,...,xn)

[X1,X2,...,Xn] = ndgrid(xg)

说明

[X1,X2,...,Xn] = ndgrid(x1,x2,...,xn) 复制网格向量 x1,x2,...,xn 以生成 n 维满网格。

示例

[X1,X2,...,Xn] = ndgrid(xg) 指定对所有维度使用单一网格向量 xg。您指定的输出参量的数目决定输出的维度 n。

示例

全部折叠

创建二维网格

打开实时脚本

根据向量 [1 3 5 7 9 11 13 15 17 19] 和 [2 4 6 8 10 12] 创建一个二维网格。

[X,Y] = ndgrid(1:2:19,2:2:12)

X = 10×6

     1     1     1     1     1     1
     3     3     3     3     3     3
     5     5     5     5     5     5
     7     7     7     7     7     7
     9     9     9     9     9     9
    11    11    11    11    11    11
    13    13    13    13    13    13
    15    15    15    15    15    15
    17    17    17    17    17    17
    19    19    19    19    19    19

Y = 10×6

     2     4     6     8    10    12
     2     4     6     8    10    12
     2     4     6     8    10    12
     2     4     6     8    10    12
     2     4     6     8    10    12
     2     4     6     8    10    12
     2     4     6     8    10    12
     2     4     6     8    10    12
     2     4     6     8    10    12
     2     4     6     8    10    12

使用插值细化网格

打开实时脚本

创建一个矩形网格，并计算网格上的函数值。在指定的值之间插值以细化网格。

为 $(x, y)$ 创建一个粗网格，其中 $x$ 的范围是 $[- 6, 6]$ ， $y$ 的范围是 $[- 3, 3]$ 。

[X,Y] = ndgrid(-6:0.5:6,-3:0.5:3);

计算在网格中定义的位置上的函数值。然后，使用曲面图可视化该函数。从 R2016b 开始，您也可以对此任务使用隐式扩展。

f = sin(X.^2) .* cos(Y.^2);
surf(Y,X,f)

Figure contains an axes object. The axes object contains an object of type surface.

在更精细的网格 (Xq,Yq) 上的点之间进行插值。然后，使用曲面图可视化插值。

[Xq,Yq] = ndgrid(-6:0.125:6,-3:0.125:3);
F = interpn(X,Y,f,Xq,Yq,"spline");
surf(Yq,Xq,F)

Figure contains an axes object. The axes object contains an object of type surface.

输入参数

全部折叠

`x1,x2,...,xn` — 网格向量（指定为单独的参量）
向量

网格向量，指定为包含每个维度的网格坐标的向量。网格向量隐式定义了网格。例如在二维空间中：

Grid vectors implicitly define a full grid

`xg` — 所有维度的网格向量
向量

所有维度的网格向量，指定为包含网格坐标的向量。ndgrid 使用 xg 作为每个维度的网格向量。

输出参量

全部折叠

`X1,X2,...,Xn` — 完整网格表示
数组

完整网格表示，以单独的数组形式返回。对于每个输出数组 Xi，第 i 维包含网格向量 xi 的副本。

详细信息

全部折叠

在 `meshgrid` 和 `ndgrid` 格式之间转换

meshgrid 和 ndgrid 使用不同的输出格式创建网格。具体来说，使用这些函数之一创建的网格的前两个维度在与另一种网格格式进行比较时会发生交换。一些 MATLAB^® 函数使用 meshgrid 格式的网格，而另一些函数使用 ndgrid 格式，因此在这两种格式之间转换网格是很常见的。

您可以使用 pagetranspose（从 R2020b 开始）或 permute 在这些网格格式之间进行转换，以交换网格数组的前两个维度。例如，用 meshgrid 创建一个三维网格。

[X,Y,Z] = meshgrid(1:4,1:3,1:2);

现在转置每个网格数组的前两个维度以将网格转换为 ndgrid 格式，并将结果与 ndgrid 的输出进行比较。

Xt = pagetranspose(X);
Yt = pagetranspose(Y);
Zt = pagetranspose(Z);
[Xn,Yn,Zn] = ndgrid(1:4,1:3,1:2);
isequal(Xt,Xn) & isequal(Yt,Yn) & isequal(Zt,Zn)

ans =

  logical

   1

使用 pagetranspose 等效于置换前两个维度，而让其他维度保持不变。您也可以使用 permute(X,[2 1 3:ndims(X)]) 执行此运算。

扩展功能

全部展开

C/C++ 代码生成
使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

基于线程的环境
使用 MATLAB® `backgroundPool` 在后台运行代码或使用 Parallel Computing Toolbox™ `ThreadPool` 加快代码运行速度。

此函数完全支持基于线程的环境。有关详细信息，请参阅在基于线程的环境中运行 MATLAB 函数。

GPU 数组
通过使用 Parallel Computing Toolbox™ 在图形处理单元 (GPU) 上运行来加快代码执行。

ndgrid 函数支持 GPU 数组输入，但有以下用法说明和限制：

一维语法 X = ndgrid(x) 返回 gpuArray 列向量 X，其中包含输入 gpuArray x 的元素以用作一维网格。
输入必须是浮点双精度或单精度值。

有关详细信息，请参阅在 GPU 上运行 MATLAB 函数 (Parallel Computing Toolbox)。

分布式数组
使用 Parallel Computing Toolbox™ 在集群的组合内存中对大型数组进行分区。

用法说明和限制：

一维语法 X = ndgrid(x) 返回分布式数组列向量 X，其中包含输入分布式数组 x 的元素以用作一维网格。
输入必须是浮点双精度或单精度值。

有关详细信息，请参阅使用分布式数组运行 MATLAB 函数 (Parallel Computing Toolbox)。

版本历史记录

在 R2006a 之前推出

另请参阅

griddedInterpolant | mesh | meshgrid | combinations | surf

主题

网格数据插值

ndgrid

语法

说明

示例

创建二维网格

使用插值细化网格

输入参数

x1,x2,...,xn — 网格向量（指定为单独的参量） 向量

xg — 所有维度的网格向量 向量

输出参量

X1,X2,...,Xn — 完整网格表示 数组

详细信息

在 meshgrid 和 ndgrid 格式之间转换

扩展功能

C/C++ 代码生成 使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

基于线程的环境 使用 MATLAB® backgroundPool 在后台运行代码或使用 Parallel Computing Toolbox™ ThreadPool 加快代码运行速度。

GPU 数组 通过使用 Parallel Computing Toolbox™ 在图形处理单元 (GPU) 上运行来加快代码执行。

分布式数组 使用 Parallel Computing Toolbox™ 在集群的组合内存中对大型数组进行分区。

版本历史记录

另请参阅

主题

`x1,x2,...,xn` — 网格向量（指定为单独的参量）
向量

`xg` — 所有维度的网格向量
向量

`X1,X2,...,Xn` — 完整网格表示
数组

在 `meshgrid` 和 `ndgrid` 格式之间转换

C/C++ 代码生成
使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

基于线程的环境
使用 MATLAB® `backgroundPool` 在后台运行代码或使用 Parallel Computing Toolbox™ `ThreadPool` 加快代码运行速度。

GPU 数组
通过使用 Parallel Computing Toolbox™ 在图形处理单元 (GPU) 上运行来加快代码执行。

分布式数组
使用 Parallel Computing Toolbox™ 在集群的组合内存中对大型数组进行分区。