在Python 2D NumPy数组中高效绘制和填充多边形区域：避免坐标系混淆

本文旨在解决在Python 2D NumPy数组中通过多边形区域填充数值时常见的坐标系混淆问题。我们将深入探讨“真实世界”坐标与数组索引坐标之间的差异，并提供一种统一且高效的方法，通过在同一坐标系统（通常是数组索引）中定义多边形顶点并检查点，从而正确地修改数组特定区域的值。文章将通过示例代码演示如何避免常见错误，并讨论性能优化及进阶库的使用。

理解问题：2D数组中的坐标系统与多边形定义

在Python中使用NumPy数组处理二维数据时，我们通常会遇到两种主要的坐标系统，这两种系统在概念上有所不同，但在实际操作中很容易混淆：

1. “真实世界”坐标系统 (Real-world Coordinates): 这通常与物理尺寸、空间位置或连续几何空间相关联，例如一个从 (0, 0) 延伸到 (Lx, Ly) 的平面。在代码中，这类坐标常通过 np.linspace 生成的等间隔点和 np.meshgrid 创建的网格 X, Y 来表示。
2. 数组索引坐标系统 (Array Index Coordinates): 这直接对应于NumPy数组的离散行和列索引。例如，一个 (Ny+1, Nx+1) 大小的数组，其索引范围从 (0, 0) 到 (Ny, Nx)。

当目标是在2D NumPy数组中定义一个几何形状（如不规则多边形）并基于此形状修改数组元素时，一个常见的错误是混合使用这两种坐标系统。例如，多边形的顶点可能在一个坐标系中定义（例如，使用数组索引），而用于判断点是否在多边形内部的待检查点却来自另一个坐标系（例如，使用“真实世界”坐标）。这种坐标系统的不一致性会导致多边形无法正确地在数组中被识别和填充。

考虑以下示例，我们希望在一个初始化为零的 s 2D数组中，将一个由数组索引定义的矩形区域内的值设置为 100：

立即学习“Python免费学习笔记（深入）”；

import numpy as np
import matplotlib.path as mpath
import pandas as pd

# 变量声明：定义“真实世界”空间
Lx = 1.7
Ly = 1.7
Nx = 170
Ny = 170
x = np.linspace(0, Lx, Nx + 1)
y = np.linspace(0, Ly, Ny + 1)
X, Y = np.meshgrid(x, y) # 生成“真实世界”坐标网格

# s 数组初始化
s = np.zeros((Ny + 1, Nx + 1))

# 定义多边形顶点：这里使用数组索引 (列, 行)
polygon_vertices = [(10, 10), (50, 10), (50, 70), (10, 70)]
polygon_path = mpath.Path(polygon_vertices)

# 尝试修改 s 数组：存在坐标系混淆
for i in range(Ny + 1):
    for j in range(Nx + 1):
        # 问题所在：多边形顶点是基于数组索引定义的，
        # 但此处却使用了“真实世界”坐标 (X[i, j], Y[i, j]) 进行点判断
        if polygon_path.contains_point((X[i, j], Y[i, j])):
            s[i, j] = 100

# df = pd.DataFrame(s)
# df.to_excel('s_incorrect.xlsx', index=False) # 导出查看结果，会发现 s 数组仍为全零

登录后复制

在上述代码中，polygon_vertices 列表中的元组 (10, 10)、(50, 10) 等显然是意图表示数组的列和行索引。然而，在循环内部，contains_point 方法却接收了 (X[i, j], Y[i, j])，这些值是根据 Lx, Ly 和 np.meshgrid 生成的“真实世界”坐标。由于 matplotlib.path.Path 实例 polygon_path 是基于数组索引定义的，当它尝试判断一个“真实世界”坐标点是否包含在其内部时，会因坐标系不匹配而始终返回 False，导致 s 数组无法被正确修改。

标签： excel python go ai