python np.arange()函数和np.linespace()函数

最新推荐文章于 2024-03-25 13:04:18 发布

帅帅的kakaci

最新推荐文章于 2024-03-25 13:04:18 发布

阅读量6.9k

点赞数 13

分类专栏： python 文章标签： python numpy

本文链接：https://blog.csdn.net/qq_37006426/article/details/116498416

版权

python 专栏收录该内容

15 篇文章 2 订阅

订阅专栏

numpy.arange([start, ]stop, [step, ]dtype=None, *, like=None)

函数返回一个有终点和起点的固定步长的排列，如[1,2,3,4,5]，起点是1，终点是6，步长为1。参数个数情况：
np.arange()函数分为一个参数，两个参数，三个参数三种情况
1）一个参数时，参数值为终点，起点取默认值0，步长取默认值1。
2）两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。
3）三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长。其中步长支持小数

#一个参数 默认起点0，步长为1 输出：[0 1 2]
a = np.arange(3)

#两个参数 默认步长为1 输出[3 4 5 6 7 8]
a = np.arange(3,9)

#三个参数 起点为0，终点为3，步长为0.1 输出[ 0.   0.1  0.2  0.3  0.4  0.5  0.6  0.7  0.8  0.9  1.   1.1  1.2  1.3  1.4 1.5  1.6  1.7  1.8  1.9  2.   2.1  2.2  2.3  2.4  2.5  2.6  2.7  2.8  2.9]
a = np.arange(0, 3, 0.1)

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)

主要用来创建等差数列
其中后面斜体的参数为可选的，均有默认值。以下为几种可能的使用情况：

当start和stop均为单个数值时：
1）将区间[start, stop]分成等间隔的num个数（包含start和stop两个数），并返回它们组成的数组；
2）若endpoint=False，就将区间[start, stop]分成等间隔的num+1个数，但返回的数组中不包括‘stop’项；
3）若retstep=True，返回值格式为 (数组部分, 间隔长度)； dtype决定输出数组的数据类型，若是未指定，则根据输入参数决定。


a = np.linspace(start=2, stop=3, num=5, endpoint=True, retstep=False, dtype=None, axis=0)
print(a)  # [2.   2.25 2.5  2.75 3.  ] ，即将区间[start, stop]分成等间隔的num个数，并返回它们组成的数组
 
b = np.linspace(start=2, stop=3, num=5, endpoint=False, retstep=False, dtype=None, axis=0)
print(b)  # [2.  2.2 2.4 2.6 2.8]   ，若endpoint=False，就将区间[start, stop]分成等间隔的num+1个数，但返回时不包括‘stop’
 
c = np.linspace(start=2, stop=3, num=5, endpoint=True, retstep=True, dtype=None, axis=0)
print(c)  # (array([2.  , 2.25, 2.5 , 2.75, 3.  ]), 0.25)  ，若retstep=True，返回值格式为 (数组部分, 间隔长度)
 
d = np.linspace(start=2, stop=3, num=5, endpoint=True, retstep=False, dtype=np.float32, axis=0)
print(d.dtype)  # float32 ， dtype决定输出数组的数据类型，若是未指定，则根据输入参数决定

当start或stop为一维类数组时：

# 当start和stop均为类数组的情况
s1 = [1, 2]
s2 = [4, 5]
e = np.linspace(start=s1, stop=s2, num=3, endpoint=True, retstep=False, dtype=None, axis=0)
print(e)
# [[1.  2. ]
#  [2.5 3.5]
#  [4.  5. ]]
 
# 当start和stop有一个为类数组
s1 = [1, 2]
s2 = 5
e = np.linspace(start=s1, stop=s2, num=3, endpoint=True, retstep=False, dtype=None, axis=0)
print(e)
# [[1.  2. ]
#  [3.  3.5]
#  [5.  5. ]]
 
s1 = 1
s2 = [4, 5]
e = np.linspace(start=s1, stop=s2, num=3, endpoint=True, retstep=False, dtype=None, axis=0)
print(e)
# [[1.  1. ]
#  [2.5 3. ]
#  [4.  5. ]]

当start和stop为二维类数组时，axis不同取值下的情况：

# 当axis=0时
s1 = [[1, 2], [3, 4]]
s2 = [[5, 6], [7, 8]]
e = np.linspace(start=s1, stop=s2, num=3, endpoint=True, retstep=False, dtype=None, axis=0)
print(e)
# [[[1. 2.]
#   [3. 4.]]
#
#  [[3. 4.]
#   [5. 6.]]
#
#  [[5. 6.]
#   [7. 8.]]]
 
# 当axis=1时
s1 = [[1, 2], [3, 4]]
s2 = [[5, 6], [7, 8]]
e = np.linspace(start=s1, stop=s2, num=3, endpoint=True, retstep=False, dtype=None, axis=1)
print(e)
# [[[1. 2.]
#   [3. 4.]
#   [5. 6.]]
#
#  [[3. 4.]
#   [5. 6.]
#   [7. 8.]]]
 
# 当axis=2或-1时
s1 = [[1, 2], [3, 4]]
s2 = [[5, 6], [7, 8]]
e = np.linspace(start=s1, stop=s2, num=3, endpoint=True, retstep=False, dtype=None, axis=2)
print(e)
# [[[1. 3. 5.]
#   [2. 4. 6.]]
#
#  [[3. 5. 7.]
#   [4. 6. 8.]]]

参考：
https://blog.csdn.net/qq_41550480/article/details/89390579?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162504137616780366564257%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=162504137616780366564257&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_alltop_positive~default-1-89390579.first_rank_v2_pc_rank_v29_1&utm_term=np.arange&spm=1018.2226.3001.4187
https://blog.csdn.net/qq_35240640/article/details/110660500?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162503824516780261924751%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=162503824516780261924751&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_alltop_click~default-2-110660500.first_rank_v2_pc_rank_v29_1&utm_term=np.linspace&spm=1018.2226.3001.4187