如何在Python中创建形状为(numpoints, dim)的多维网格

你可以利用NumPy的向量化操作完全替代Python循环，实现高效且支持任意维度的转换，核心思路是通过meshgrid生成网格后，直接展平并堆叠各维度坐标：

通用实现代码 #

import numpy as np
import matplotlib.pyplot as plt

bounds = [0.5, 0.5]  # 各维度的边界，长度等于dim
n = [10, 10]         # 各维度的采样点数，长度等于dim
dim = len(bounds)

# 1. 生成每个维度的线性采样数组
axes = [np.linspace(-b, b, num) for b, num in zip(bounds, n)]
# 2. 生成多维网格（默认indexing='xy'，和你原代码的网格顺序一致）
grid = np.meshgrid(*axes)
# 3. 展平每个维度的网格并堆叠成(numpoints, dim)格式
data = np.stack([g.flatten() for g in grid], axis=1)

# 验证结果（以2D为例）
if dim == 2:
    plt.scatter(data[:, 0], data[:, 1])
    plt.show()

关键优势 #

• 效率极高：NumPy的内置函数基于C实现，比Python循环快几个数量级，尤其当采样点数n很大时差距更明显
• 支持任意维度：只要bounds和n的长度匹配维度数dim，代码无需修改即可适配2D、3D甚至更高维度
• 代码简洁：仅用3步完成转换，避免了繁琐的循环计数逻辑

3D维度示例 #

如果要扩展到3D，只需修改参数：

bounds = [0.5, 0.5, 0.5]
n = [5, 5, 5]
dim = 3

axes = [np.linspace(-b, b, num) for b, num in zip(bounds, n)]
grid = np.meshgrid(*axes)
data = np.stack([g.flatten() for g in grid], axis=1)

print(data.shape)  # 输出 (125, 3)，符合(numpoints, dim)格式

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