本文将介绍如何用 Numpy 中的多维数组对象 ndarray 来表示存储一个三角形网格。
首先， 表示一个三角形网格需要两个基本数组
node： 网格节点坐标数组， 形状为(NN, 2), 即一个NN行2列的二维矩阵。node[i, j]存储的是第i个节点的第j个坐标分量， 其中0<= i < NN,0<= j < 2。cell： 网格单元顶点编号数组， 形状为(NC, 3), 即一个NC行2列的二维矩阵。cell[i, j]存储的是第i个单元的第j个顶点编号(即node的行号)， 其中0<= i < NC,0 <= j < 3。注意， 这里约定三个顶点编号在cell[i, :]中存储顺序保证对应三个顶点在二维空间中是按逆时针排列的， 这样可以保证以后计算三角形面积时一定为正的。
下面给出一个 [0,1]^2 区域的三角形网格（见下图）， 其中有 4 个顶点、 2 个单元
下面代码给出用 numpy 数组表示上面网格的示例，
import numpy as np
node = np.array([[0.0, 0.0],
[1.0, 0.0],
[1.0, 1.0],
[0.0, 1.0]], dtype=np.float)
cell = np.array([[1, 2, 0],
[3, 0, 2]], dtype=np.int32)
代码第一行导入 numpy 模块， 并且用 as 语法重新把模块名字简写为 np。 这是一个约定俗成的习惯， 你平时最好也这样写, 方便大家阅读你的代码。
接着用数组创建函数 np.array 创建两个数组： node 和 cell， 存储的数据类型分别指定为 np.float(64 位浮点型） 和 np.int32 (32 位整型).
在 IPython 中用运行上述代码后， 用 type 函数可以检查 node 和 cell 的数据类型， 都为 numpy.ndarray 多维数组对象。
In [10]: type(node)
Out[10]: numpy.ndarray
In [11]: type(cell)
Out[11]: numpy.ndarray
ndarray 对象有很多属性， 常用的有 shape 属性， 它是一个 tuple 对象， 存储
了 ndarray 对象的形状。 shape[i] 就存储的是 ndarray 对象的第 i 轴
(axis) 长度。 另外， ndarray 还有另一个属性 ndim, 存储了多维数组的维数。
In [12]: print(node.ndim, node.shape)
2 (4, 2) # node 是 2 维数组， 第 0 轴长度为 4 ， 第 1 轴长度为 2
In [13]: print(cell.shape)
2 (2, 3) # cell 是 2 维数组， 第 0 轴长度为 2, 第 1 轴长度为 3
下面上一个 ndarray 的图片(来自[1] )， 让大家直观感受一下多维数组中轴的概念。
这次就到这里， 下次介绍如何从 node 和 cell 数组出发， 用向量化计算的方法得到关于网格的更多数据。
最后给一个习题， 请用 node 和 cell 两个数组表示下面的四边形网格, 区域为
[1] https://www.oreilly.com/library/view/elegant-scipy/9781491922927/assets/elsp_0105.png
