我想创建一个与网格相对应的点列表。因此，如果我想创建一个从（0，0）到（1，1）的区域网格，它将包含点（0，0），（0，1），（1，0）和（1，0）。
我知道这可以通过以下代码实现：
g = np.meshgrid([0,1],[0,1])
np.append(g[0].reshape(-1,1),g[1].reshape(-1,1),axis=1)
产生结果：
array([[0, 0],
[1, 0],
[0, 1],
[1, 1]])
我的问题是双重的：
我刚刚注意到numpy中的文档提供了一种更快的方法：
X, Y = np.mgrid[xmin:xmax:100j, ymin:ymax:100j]
positions = np.vstack([X.ravel(), Y.ravel()])
这可以很容易地推广到更多的维度使用链接的Meshgrid2函数和映射'ravel'到生成的网格。
g = meshgrid2(x, y, z)
positions = np.vstack(map(np.ravel, g))
对于每个轴上有1000个刻度的3D阵列，结果比zip方法快约35倍。
资料来源：http://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.gaussian_kde.html#scipy.stats.gaussian_kde
为了比较这两种方法，请考虑下面的代码段：
创建众所周知的刻度标记，这将有助于创建网格。
In [23]: import numpy as np
In [34]: from numpy import asarray
In [35]: x = np.random.rand(100,1)
In [36]: y = np.random.rand(100,1)
In [37]: z = np.random.rand(100,1)
定义mgilson链接到的网格网格函数：
In [38]: def meshgrid2(*arrs):
....: arrs = tuple(reversed(arrs))
....: lens = map(len, arrs)
....: dim = len(arrs)
....: sz = 1
....: for s in lens:
....: sz *= s
....: ans = []
....: for i, arr in enumerate(arrs):
....: slc = [1]*dim
....: slc[i] = lens[i]
....: arr2 = asarray(arr).reshape(slc)
....: for j, sz in enumerate(lens):
....: if j != i:
....: arr2 = arr2.repeat(sz, axis=j)
....: ans.append(arr2)
....: return tuple(ans)
创建网格并为两个函数计时。
In [39]: g = meshgrid2(x, y, z)
In [40]: %timeit pos = np.vstack(map(np.ravel, g)).T
100 loops, best of 3: 7.26 ms per loop
In [41]: %timeit zip(*(x.flat for x in g))
1 loops, best of 3: 264 ms per loop
你的网格点总是积分的吗？如果是这样，您可以使用numpy。ndindex
print list(np.ndindex(2,2))
更高维度：
print list(np.ndindex(2,2,2))
不幸的是，这不符合OP的要求，因为不符合积分假设（从0开始）。我会留下这个答案，以防其他人正在寻找同样的东西，而这些假设是正确的。
另一种方法依赖于zip：
g = np.meshgrid([0,1],[0,1])
zip(*(x.flat for x in g))
这部分可以很好地扩展到任意尺寸。不幸的是，np。meshgrid无法很好地扩展到多个维度，因此需要计算零件，或者（假设它工作正常），您可以使用此so答案创建自己的ndmeshgrid函数。
另一种方法是：
np.indices((2,2)).T.reshape(-1,2)
可以推广到更高的维度，例如：
In [60]: np.indices((2,2,2)).T.reshape(-1,3)
Out[60]:
array([[0, 0, 0],
[1, 0, 0],
[0, 1, 0],
[1, 1, 0],
[0, 0, 1],
[1, 0, 1],
[0, 1, 1],
[1, 1, 1]])
