(1)自己理解

np.meshgrid(a, b,indexing = "xy") 函数会返回 b.shape() 行 ，a.shape() 列的二维数组。
因此 i, j 都是 b.shape()行 a.shape() 列 的二维数组。

(2)官方解释

参考：https://numpy.org/doc/stable/reference/generated/numpy.meshgrid.html
代码：numpy.meshgrid(*xi, copy=True, sparse=False, indexing='xy')
作用：给定一维坐标数组 x1、x2、…、xn，制作 N 维坐标数组以对 N 维网格上的 N 维标量/矢量场进行矢量化评估。

(3)参数:

3.1 x1, x2,…, xn:array_like

表示网格坐标的一维数组。

indexing:{'xy', 'ij'}, optional
可选参数，用于设置输出的是笛卡尔（‘xy’，默认）还是矩阵（‘ij’）索引。此函数通过索引关键字参数支持两种索引约定。
给出字符串“ij”返回一个带有矩阵索引的网格，而“xy”返回一个带有笛卡尔索引的网格。
在输入长度为 M 和 N 的二维情况下，对于“xy”索引，输出形状为 (N, M)，对于“ij”索引，输出形状为 (M, N)。
在输入长度为 M、N 和 P 的 3-D 情况下，对于“xy”索引，输出的形状为 (N, M, P)，对于“ij”索引，输出的形状为 (M, N, P)。

简单示例 (python代码)

import numpy as np
x = [1, 2, 3, 4]
y = [7, 8, 9]

X, Y = np.meshgrid(x, y) 
print("X:")
print(X)
print("Y:")
print(Y)
print("==============================")
X1, Y1 = np.meshgrid(x, y,indexing='xy') 
print("X1:")
print(X1)
print("Y1:")
print(Y1)
print("==============================")
X2, Y2 = np.meshgrid(x, y,indexing='ij') 
print("X2:")
print(X2)
print("Y2:")
print(Y2)  

结果输出：

X:
[[1 2 3 4]
 [1 2 3 4]
 [1 2 3 4]]
Y:
[[7 7 7 7]
 [8 8 8 8]
 [9 9 9 9]]
==============================
X1:
[[1 2 3 4]
 [1 2 3 4]
 [1 2 3 4]]
Y1:
[[7 7 7 7]
 [8 8 8 8]
 [9 9 9 9]]
==============================
X2:
[[1 1 1]
 [2 2 2]
 [3 3 3]
 [4 4 4]]
Y2:
[[7 8 9]
 [7 8 9]
 [7 8 9]
 [7 8 9]]

3.2 sparse:bool, optional 默认false

简单示例 （注：为True的看上面示例）

import numpy as np
x = [1, 2, 3, 4]
y = [7, 8, 9]

X, Y = np.meshgrid(x, y,sparse=True) 
print("X:")
print(X)
print("Y:")
print(Y)

结果输出：

X:
[[1 2 3 4]]
Y:
[[7]
 [8]
 [9]]

meshgrid 对于评估网格上的函数非常有用。如果函数依赖所有坐标，可以使用参数 sparse=True 来节省内存和计算时间。
简单示例：

import numpy as np
x = [1, 2, 3, 4]
y = [7, 8, 9]

X, Y = np.meshgrid(x, y,sparse=True) 
zs = np.sqrt(X**2 + Y **2)
print("X.shape,Y.shape,zs.shape",X.shape,Y.shape,zs.shape)
print("==============================")
X1, Y1 = np.meshgrid(x, y,sparse=False) 
zz = np.sqrt(X1**2 + Y1 **2)
print("X1.shape,Y1.shape,zz.shape",X1.shape,Y1.shape,zz.shape)
print("==============================")
print(np.array_equal(zz, zs))

结果输出：

X.shape,Y.shape,zs.shape (1, 4) (3, 1) (3, 4)
==============================
X1.shape,Y1.shape,zz.shape (3, 4) (3, 4) (3, 4)
==============================
True

3.3 copy:bool, optional

自己暂时不太需要，贴张官方截图：