numpy.geomspace
numpy.geomspace(start, stop, num=50, endpoint=True, dtype=None, axis=0)[source]
返回数字以对数刻度(几何级数)均匀分布。
这类似于 logspace,但是直接指定了端点。 每个输出样本是前一个样本的恒定倍数。
Changed in version 1.16.0: Non-scalar start and stop are now supported.参数 :start :array_like
序列的起始值。
stop :array_like
序列的最终值,除非端点为False。 在这种情况下,
num + 1值在对数空间的间隔内间隔开,
返回除最后一个(长度为num的序列)外的所有值。
num :integer, 可选
要生成的样本数。 默认值为50。
endpoint :boolean, 可选
如果为true,则停止是最后一个样本。
否则,不包括在内。 默认值为True。
dtype :dtype
输出数组的类型。 如果未给出dtype,
则从其他输入参数推断数据类型。
axis :int, 可选
结果中的轴用于存储样本。
仅当start或stop类似于数组时才相关。
默认情况下为(0),样本将沿着在开始处插入的新轴。
使用-1来获得轴的末端。
1.16.0版中的新功能。
返回值 :samples :ndarray
num个samples,以对数刻度等距分布。
Notes
如果输入或dtype是复数,则输出将在复数平面中遵循对数螺旋。 (有无限数量的螺旋线穿过两个点;输出将遵循最短的这种路径。)
例子>>> np.geomspace(1, 1000, num=4)
array([ 1., 10., 100., 1000.])
>>> np.geomspace(1, 1000, num=3, endpoint=False)
array([ 1., 10., 100.])
>>> np.geomspace(1, 1000, num=4, endpoint=False)
array([ 1. , 5.62341325, 31.6227766 , 177.827941 ])
>>> np.geomspace(1, 256, num=9)
array([ 1., 2., 4., 8., 16., 32., 64., 128., 256.])
请注意,以上可能不会产生确切的整数:>>> np.geomspace(1, 256, num=9, dtype=int)
array([ 1, 2, 4, 7, 16, 32, 63, 127, 256])
>>> np.around(np.geomspace(1, 256, num=9)).astype(int)
array([ 1, 2, 4, 8, 16, 32, 64, 128, 256])
允许负,递减和复杂的输入:>>> np.geomspace(1000, 1, num=4)
array([1000., 100., 10., 1.])
>>> np.geomspace(-1000, -1, num=4)
array([-1000., -100., -10., -1.])
>>> np.geomspace(1j, 1000j, num=4) # Straight line
array([0. +1.j, 0. +10.j, 0. +100.j, 0.+1000.j])
>>> np.geomspace(-1+0j, 1+0j, num=5) # Circle
array([-1.00000000e+00+1.22464680e-16j, -7.07106781e-01+7.07106781e-01j,
6.12323400e-17+1.00000000e+00j, 7.07106781e-01+7.07106781e-01j,
1.00000000e+00+0.00000000e+00j])
endpointparameter的图形化图示:>>> import matplotlib.pyplot as plt
>>> N = 10
>>> y = np.zeros(N)
>>> plt.semilogx(np.geomspace(1, 1000, N, endpoint=True), y + 1, 'o')
[]
>>> plt.semilogx(np.geomspace(1, 1000, N, endpoint=False), y + 2, 'o')
[]
>>> plt.axis([0.5, 2000, 0, 3])
[0.5, 2000, 0, 3]
>>> plt.grid(True, color='0.7', linestyle='-', which='both', axis='both')
>>> plt.show()