当前位置: 首页 > 教程 > NumPy >

NumPy创建区间数组

精华
小牛编辑
171浏览
2023-03-14
所谓区间数组,是指数组元素的取值位于某个范围内,并且数组元素之间可能会呈现某种规律,比如等比数列、递增、递减等。

为了方便科学计算,Python NumPy 支持创建区间数组。

1. numpy.arange()

在 NumPy 中,您可以使用 arange() 来创建给定数值范围的数组,语法格式如下:

numpy.arange(start, stop, step, dtype)

参数说明见下表:
参数描述
参数名称 参数说明
start 起始值,默认是 0。
stop 终止值,注意生成的数组元素值不包含终止值。
step 步长,默认为 1。
dtype 可选参数,指定 ndarray 数组的数据类型。

根据 startstop指定的范围以及 step步长值,生成一个 ndarray 数组,示例如下。
import numpy as np
x = np.arange(8) 
print (x)
输出结果如下所示:

[0 1 2 3 4 5 6 7]

设置 start 、stop 值以及步长,最终输出 0-10 中的奇数:
import numpy as np
x = np.arange(1,10,2) 
print (x)
输出结果如下所示:

[1 3 5 7 9]

2. numpy.linspace()

表示在指定的数值区间内,返回均匀间隔的一维等差数组,默认均分 50 份,语法格式如下:

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

参数说明如下:
  • start:代表数值区间的起始值;
  • stop:代表数值区间的终止值;
  • num:表示数值区间内要生成多少个均匀的样本。默认值为 50;
  • endpoint:默认为 True,表示数列包含 stop 终止值,反之不包含;
  • retstep:默认为 True,表示生成的数组中会显示公差项,反之不显示;
  • dtype:代表数组元素值的数据类型。

示例如下:
import numpy as np
#生成10个样本
a = np.linspace(1,10,10)
print(a)
输出结果:

[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]

下面示例是 endpoint 为 Fasle 时,此时不包含终止值:
import numpy as np 
arr = np.linspace(10, 20, 5, endpoint = False) 
print("数组数值范围 :",arr)  
输出结果如下:

数组数值范围 : [10. 12. 14. 16. 18.]

retstep 参数使用示例如下:
import numpy as np
x = np.linspace(1,2,5, retstep = True)
print(x) 
输出结果如下,其中 0.25 为等差数列的公差:

(array([1.  , 1.25, 1.5 , 1.75, 2.  ]), 0.25)

3. numpy.logspace

该函数同样返回一个 ndarray 数组,它用于创建等比数组,语法格式如下:

np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

其中 base 代表对数函数的底数,默认为 10,参数详细说明见下表:

参数说明
参数名称 说明描述
start 序列的起始值:base**start。
stop 序列的终止值:base**stop。
num 数值范围区间内样本数量,默认为 50。
endpoint 默认为 True 包含终止值,反之不包含。
base 对数函数的 log 底数,默认为10。
dtype 可选参数,指定 ndarray 数组的数据类型。

使用示例如下:
import numpy as np
a = np.logspace(1.0,2.0, num = 10)
print (a)
输出结果:
[ 10.          12.91549665  16.68100537  21.5443469   27.82559402
  35.93813664  46.41588834  59.94842503  77.42636827 100.        ]
下面是 base = 2 的对数函数,示例如下:
import numpy as np
a = np.logspace(1,10,num = 10, base = 2)
print(a)
输出结果:

 [ 2. 4. 8. 16. 32. 64. 128. 256. 512. 1024.]