欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

numpy.linspace函数具体使用详解

程序员文章站 2023-10-18 19:57:16
numpy.linspace(start, stop, num=50, endpoint=true, retstep=false, dtype=none) 在指定的间隔内...

numpy.linspace(start, stop, num=50, endpoint=true, retstep=false, dtype=none)

在指定的间隔内返回均匀间隔的数字。

返回num均匀分布的样本,在[start, stop]。

这个区间的端点可以任意的被排除在外。

parameters(参数):

 

start : scalar(标量)

the starting value of the sequence(序列的起始点).

stop : scalar

序列的结束点,除非endpoint被设置为false,在这种情况下, the sequence consists of all but the last of num + 1 evenly spaced samples(该序列包括所有除了最后的num+1上均匀分布的样本(感觉这样翻译有点坑)), 以致于stop被排除.当endpoint is false的时候注意步长的大小(下面有例子).

num : int, optional(可选)

生成的样本数,默认是50。必须是非负。

endpoint : bool, optional

如果是真,则一定包括stop,如果为false,一定不会有stop

retstep : bool, optional

if true, return (samples, step), where step is the spacing between samples.(看例子)

dtype : dtype, optional

the type of the output array. if  is not given, infer the data type from the other input arguments(推断这个输入用例从其他的输入中).

new in version 1.9.0.

returns:

samples : ndarray

there are num equally spaced samples in the closed interval [start, stop] or the half-open interval [start, stop) (depending on whether endpoint is true or false).

step : float(只有当retstep设置为真的时候才会存在)

only returned if retstep is true

size of spacing between samples.

see also

arange

similar to linspace, but uses a step size (instead of the number of samples)

.arange使用的是步长,而不是样本的数量

logspace

samples uniformly distributed in log space. 

当endpoint被设置为false的时候

>>> import numpy as np
>>> np.linspace(1, 10, 10)
array([ 1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10.])
>>> np.linspace(1, 10, 10, endpoint = false)
array([ 1. , 1.9, 2.8, 3.7, 4.6, 5.5, 6.4, 7.3, 8.2, 9.1])

in [4]: np.linspace(1, 10, 10, endpoint = false, retstep= true)
out[4]: (array([ 1. , 1.9, 2.8, 3.7, 4.6, 5.5, 6.4, 7.3, 8.2, 9.1]), 0.9)

官网的例子 

examples

>>> >>> np.linspace(2.0, 3.0, num=5)
  array([ 2. , 2.25, 2.5 , 2.75, 3. ])
>>> np.linspace(2.0, 3.0, num=5, endpoint=false)
  array([ 2. , 2.2, 2.4, 2.6, 2.8])
>>> np.linspace(2.0, 3.0, num=5, retstep=true)
  (array([ 2. , 2.25, 2.5 , 2.75, 3. ]), 0.25)

graphical illustration:

>>> >>> import matplotlib.pyplot as plt
>>> n = 8
>>> y = np.zeros(n)
>>> x1 = np.linspace(0, 10, n, endpoint=true)
>>> x2 = np.linspace(0, 10, n, endpoint=false)
>>> plt.plot(x1, y, 'o')
[<matplotlib.lines.line2d object at 0x...>]
>>> plt.plot(x2, y + 0.5, 'o')
[<matplotlib.lines.line2d object at 0x...>]
>>> plt.ylim([-0.5, 1])
(-0.5, 1)
>>> plt.show()

numpy.linspace函数具体使用详解

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。