使用NumPy meshgrid提取n维空间立方体与超立方体坐标

问题定位 #

你卡壳的核心原因有两个：

• 调用meshgrid时未指定indexing='ij'参数，默认的xy索引模式会调换前两个维度的顺序，3维及以上场景下生成的坐标和维度对应关系完全错乱，自然匹配不到正确的立方体
• 没理清网格顶点数组的索引逻辑：生成的顶点数组形状为(n_bins+1, n_bins+1, ..., d)，前d个维度的索引值，对应该顶点在对应维度上的分箱边界序号；单个超立方体的所有顶点，本质就是每个维度取相邻两个分箱边界，围成的区域内的所有点。

补充：3维场景下每个维度分3箱时总共有3^3=27个立方体单元格，你提到的9个单元格是2维场景下33分箱的结果，按需调整维度层数即可。*

实现代码 #

第一步：生成分箱边界 #

兼容你现有的逻辑，支持每个维度自定义数值范围、分箱粒度：

import numpy as np

# 每个维度单独定义分箱边界，范围、分箱数可以不一样
dim_boundaries = [
    np.linspace(0, 2, 3 + 1),  # 维度0：0~2范围分3箱
    np.linspace(0, 3, 3 + 1),  # 维度1：0~3范围分3箱
    np.linspace(0, 1, 3 + 1)   # 维度2：0~1范围分3箱
]
d = len(dim_boundaries)
n_bins_per_dim = [len(b) - 1 for b in dim_boundaries]  # 每个维度的分箱数量

第二步：生成维度顺序正确的网格顶点 #

补上indexing='ij'参数，保证维度顺序和输入完全一致：

grid = np.stack(np.meshgrid(*dim_boundaries, indexing='ij')).T

第三步：提取所有超立方体单元格 #

固定3维场景写法

逻辑直观，方便调试：

cubes = []
for i in range(n_bins_per_dim[0]):
    for j in range(n_bins_per_dim[1]):
        for k in range(n_bins_per_dim[2]):
            # 切片取每个维度相邻两个边界围成区域的所有顶点，共2^3=8个
            cube_vertices = grid[i:i+2, j:j+2, k:k+2, :]
            # 直接获取当前立方体在各维度的数值范围
            cube_ranges = [
                [dim_boundaries[0][i], dim_boundaries[0][i+1]],
                [dim_boundaries[1][j], dim_boundaries[1][j+1]],
                [dim_boundaries[2][k], dim_boundaries[2][k+1]]
            ]
            cubes.append( (cube_ranges, cube_vertices) )

任意d维通用写法

不需要根据维度写死循环，2维、3维及更高维场景都能用：

cubes = []
# 遍历所有分箱的索引组合
for bin_index in np.ndindex(*n_bins_per_dim):
    # 构造每个维度的切片规则，取相邻两个边界的区间
    slices = tuple(slice(idx, idx + 2) for idx in bin_index) + (slice(None),)
    cube_vertices = grid[slices]
    # 提取当前立方体的各维度边界范围
    cube_ranges = []
    for dim, idx in enumerate(bin_index):
        b = dim_boundaries[dim]
        cube_ranges.append( [b[idx], b[idx+1]] )
    cubes.append( (cube_ranges, cube_vertices) )

扩展使用提示 #

• 如果需要判断任意坐标点属于哪个单元格，不用遍历所有立方体，用np.digitize分别计算点在每个维度所属的bin序号，组合起来就是对应立方体的索引，查询复杂度为O(d)，高维场景下性能远高于遍历
• 提取出的cube_vertices形状固定为(2,2,...,2,d)，d维场景下每个立方体正好有2^d个顶点，和几何定义完全一致
• 如果只需要单元格的边界范围不需要顶点坐标，可以跳过meshgrid生成步骤，直接遍历分箱索引组合生成cube_ranges，内存占用会大幅降低，高维大分箱场景下优化效果非常明显

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