NumPy 从数值范围创建数组
学习如何从数值范围创建数组。
numpy.arange
numpy 包中的使用 arange 函数创建数值范围并返回 ndarray 对象,函数格式如下:
numpy.arange(start, stop, step, dtype)
根据 start 与 stop 指定的范围以及 step 设定的步长,生成一个 ndarray。
参数说明:
参数 | 描述 |
| 起始值,默认为 |
| 终止值(不包含)【必须提供值】 |
| 步长,默认为 |
| 返回 |
实例
生成 0 到 4 的数组:
实例
import numpy as np
x = np.arange(5) # 只提供一个值,默认为stop(不包含)
print (x)
输出结果如下:
[0 1 2 3 4]
设置返回类型位 float:
实例
import numpy as np
# 设置了 dtype
x = np.arange(5, dtype = float) # 只提供一个值,默认为stop(不包含)
print (x)
[0. 1. 2. 3. 4.]
设置了起始值、终止值及步长:
实例
import numpy as np
x = np.arange(10,20,2) # start=10, stop=20(不包含),step=2
print (x)
[10 12 14 16 18]
numpy.linspace
numpy.linspace 函数用于创建一个一维数组,数组是一个等差数列构成的,格式如下:
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
参数说明:
参数 | 描述 |
| 序列的起始值 |
| 序列的终止值,如果 |
| 要生成的等步长的样本数量,默认为 |
| 该值为 |
| 如果为 True 时,生成的数组中会显示间距,反之不显示。 |
|
|
以下实例用到三个参数,设置起始点为 1 ,终止点为 10,数列个数为 10。
实例
import numpy as np
a = np.linspace(1,10,10) #设置起始点为 1 ,终止点为 10,数列个数为 10
print(a)
输出结果为:
[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
设置元素全部是1的等差数列:
实例
import numpy as np
a = np.linspace(1,1,10) #全部是1的等差数列
print(a)
[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
将 endpoint 设为 false,不包含终止值:
实例
import numpy as np
a = np.linspace(10, 20, 5, endpoint = False) #如果将 endpoint 设为 true,则会包含 20。
print(a)
[10. 12. 14. 16. 18.]
如果将 endpoint 设为 true,则会包含 20。
以下实例设置间距。
实例
import numpy as np
a =np.linspace(1,10,10,retstep= True)
print(a)
# 拓展例子
b =np.linspace(1,10,10).reshape([10,1])
print(b)
输出结果为:
(array([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.]), 1.0)
[[ 1.]
[ 2.]
[ 3.]
[ 4.]
[ 5.]
[ 6.]
[ 7.]
[ 8.]
[ 9.]
[10.]]
numpy.logspace
numpy.logspace 函数用于创建一个于等比数列。格式如下:
np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
base 参数意思是取对数的时候 log 的下标。
参数 | 描述 |
| 序列的起始值为:base ** start |
| 序列的终止值为:base ** stop。如果 |
| 要生成的等步长的样本数量,默认为 |
| 该值为 |
| 对数 log 的底数。 |
|
|
实例
import numpy as np
# 默认底数是 10
a = np.logspace(1.0, 2.0, num = 10)
print (a)
输出结果为:
[ 10. 12.91549665 16.68100537 21.5443469 27.82559402
35.93813664 46.41588834 59.94842503 77.42636827 100. ]
将对数的底数设置为 2 :
实例
import numpy as np
a = np.logspace(0,9,10,base=2)
print (a)
输出如下:
[ 1. 2. 4. 8. 16. 32. 64. 128. 256. 512.]
REF
https://www.runoob.com/numpy/numpy-array-from-numerical-ranges.html