如何使用numpy.meshgrid生成元素为(x_i,y_j)的坐标矩阵？

你可以利用NumPy的向量化操作（避免Python级别的循环）快速生成目标矩阵，核心方法有两种，效率都远高于双重循环：

方法1：用np.meshgrid（直观易读） #

np.meshgrid专门用于生成网格点坐标矩阵，通过指定indexing='ij'可以直接匹配你需要的a_{ij}=(x_i,y_j)结构：

import numpy as np

# 替换为你的实际参数
nx = 5
ny = 3
xs = 0
xe = 4
ys = 0
ye = 2

# 生成基础网格
x_grid = np.linspace(xs, xe, nx)
y_grid = np.linspace(ys, ye, ny)

# 生成对应i行j列的x、y分量矩阵（形状均为(nx, ny)）
X, Y = np.meshgrid(x_grid, y_grid, indexing='ij')

# 堆叠成坐标矩阵A，形状为(nx, ny, 2)，每个元素是(x_i, y_j)
A = np.stack([X, Y], axis=-1)

验证示例：

• A[0, 0] 对应 (x_grid[0], y_grid[0])
• A[2, 1] 对应 (x_grid[2], y_grid[1])

方法2：用NumPy广播（更灵活） #

通过扩展数组维度实现广播，同样能生成目标矩阵：

import numpy as np

# 基础参数与网格生成同上
nx = 5
ny = 3
xs = 0
xe = 4
ys = 0
ye = 2
x_grid = np.linspace(xs, xe, nx)
y_grid = np.linspace(ys, ye, ny)

# 扩展维度：x_grid变为列向量，y_grid变为行向量
X = x_grid[:, np.newaxis]  # 形状(nx, 1)
Y = y_grid[np.newaxis, :]  # 形状(1, ny)

# 堆叠成坐标矩阵，结果与方法1完全一致
A = np.stack([X, Y], axis=-1)

效率说明 #

两种方法都是基于NumPy的底层C实现的向量化操作，没有Python级别的循环开销，当nx和ny较大时（比如上千量级），速度会比双重循环快几十到上百倍。

内容的提问来源于stack exchange，提问作者user8268123