【Python】range()、np.arange()、np.linspace()、np.logspace()的使用和区别

近期在调试深度学习相关的代码时，经常隔三差五遇到range()、np.arange()、np.linspace()、np.logspace()一系列的函数，每次遇到后，当时貌似理解了，但是过段时间又忘了，并且这几个函数看起来还长的差不多，虽然实现的功能看起来挺相似，但是他们之间还是有很多细微的区别。

毫不夸张的说，每次见到，每次好像都懂，但是呢，每次貌似又不确定，每次还是懵的、大脑还是混淆的。

为了一劳永逸的解决上述困惑，做个笔记，把这4个函数放到一起对比，以方便温故知新。

一、range([start:int]，stop:int，[step:int])

1. range()是Python自带的函数。
2. 生成一个从start（包含）到stop（不包含），以step为步长的序列。返回一个list对象。
3. start默认值为0，选填；stop是必填；step默认值为1，选填。
4. start、stop、step均须为整型。
5. 只能生成整型的序列。

程序验证：

当参数为非整型时，会报错：

二、np.arange([start=None], stop=None, [step=None], dtype=None)

1. np.arange()属于numpy模块。
2. 生成一个从start（包含）到stop（不包含），以step为步长的序列。返回一个ndarray对象。
3. 可以生成整型、浮点型序列，毫无压力。
4. 当step参数为非整数时（如step=0.1），结果往往不一致。对于这些情况，最好使用“linspace()”函数。

参数含义：

• start：数值型，可选填。包含此值。默认为0。
• stop：数值型，必填。不包含此值。除非step的值不是整数，浮点舍入会影响“out”的长度。
• step：数值型，可选填。默认为1，如果步长有指定，则start必须给出来。
• dtype：数据类型。输出的array数据类型。如果未指定dtype，则输出的array类型由其它的输入参数决定。
• start、stop、step若任一个为浮点型，那么都会生成一个浮点型序列。

程序验证：

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

• 指定在 start到stop的均分数值（等差数列）。
• start：不可缺省。
• stop：有时包含，有时不包含，根据endpoint来选择，默认包含。
• num：指定均分的数量，默认为50。
• endpoint：布尔值，可选，默认为True。包含stop就True，不包含就False
• retstep：布尔值，可选，默认为False。如果为True，返回值和步长
• dtype：输出数据类型，可选。如果不指定，则根据前面参数的数据类型

程序验证：

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

返回一个等比数列。

参数：

• start：float类型，基底base的start次幂作为左边界
• stop：float类型，基底base的stop次幂作为右边界
• num：指定等比数值的数量，默认为50
• endpoint：布尔值，可选，默认为True。包含stop就True，不包含就False
• base：float类型，选填，基底
• dtype：输出数据类型。

返回值：ndarray类型

logspace()函数，等价于如下代码：

y = np.linspace(start, stop, num=num, endpoint=endpoint)
power(base, y).astype(dtype)

程序验证：

五、list 与 numpy.ndarray区别

上述四个函数，range()返回值为list类型，其余为ndarray类型，看着差不多，这两种类型有什么区别呢？

python中的二维数组，主要有 list(列表) 和 numpy.ndarray(多维数组) 两种, 两种的区别主要体现在numpy.ndarray 支持更多的索引方式，下面通过代码来看一下两种数据类型索引方式的区别：

对a和b的元素进行访问：

两者区别：

可以看到numpy.ndarray 比list的访问方式更灵活，因此在处理数据时，可以通过np.array()方便的将list转化为numpy.ndarray, 当然处理完后还可以通过tolist()将ndarray再转回列表，从而方便删除或添加元素。

参考：

1. http://www.mamicode.com/info-detail-2449535.html
2. https://blog.csdn.net/ui_shero/article/details/78881067
3. https://www.jianshu.com/p/f8e6a0a6399f