Python均匀网格创建优化咨询：NumPy实现，避免数组追加

嘿，作为Python新手就想着用NumPy优化代码，这点超棒！确实，用NumPy可以彻底摆脱低效的数组追加操作，写出更简洁高效的均匀网格生成函数。

先直接给你优化后的实现，然后再拆解关键点：

import numpy as np

def create_uniform_grid(low, high, bins=(10, 10)):
    """定义可用于空间离散化的均匀间隔网格。
    
    参数
    ----------
    low : array_like
        连续空间各维度的下界。
    high : array_like
        连续空间各维度的上界。
    bins : tuple
        各维度的分箱数量。
    
    返回
    -------
    grid : list of np.ndarray
        每个维度的网格节点数组，按维度顺序排列。
    """
    # 统一转换为NumPy数组，兼容列表/元组输入，方便维度级操作
    low = np.asarray(low)
    high = np.asarray(high)
    
    # 遍历每个维度，生成均匀间隔的边界节点
    grid = [np.linspace(l, h, b + 1) for l, h, b in zip(low, high, bins)]
    
    return grid

核心优化点说明 #

• 彻底抛弃数组追加：用np.linspace一次性生成每个维度的所有节点，它会预分配内存直接创建完整数组，比循环append高效太多，尤其当分箱数很大时差异明显。
• 自动处理多维度：用zip把每个维度的下界、上界、分箱数配对，不管是2D、3D还是更高维度的空间，只要输入参数长度匹配，代码都能直接适配。
• 边界节点精准生成：np.linspace(l, h, b + 1)会生成包含上下界的b+1个节点，正好对应b个分箱的边界，完美契合空间离散化的需求。

可选扩展：生成网格中心点 #

如果你的场景需要的是每个分箱的中心点而非边界，只需把linspace的参数调整一下：

grid = [np.linspace(l + (h-l)/(2*b), h - (h-l)/(2*b), b) for l, h, b in zip(low, high, bins)]

使用示例 #

# 2D空间测试：x从0到10分5箱，y从0到20分10箱
low = [0, 0]
high = [10, 20]
bins = (5, 10)
grid = create_uniform_grid(low, high, bins)

print("x维度边界节点:", grid[0])
# 输出: x维度边界节点: [ 0.  2.  4.  6.  8. 10.]
print("y维度边界节点:", grid[1])
# 输出: y维度边界节点: [ 0.  2.  4.  6.  8. 10. 12. 14. 16. 18. 20.]

这样的实现既简洁又高效，完全符合你的需求～

内容的提问来源于stack exchange，提问作者Tyler