numpy.geomspace #

麻木的。geomspace (开始,停止, num = 50 ,端点= True , dtype = None , axis = 0 ) [来源] #

返回在对数刻度上均匀分布的数字(几何级数)。

这与 类似logspace,但直接指定端点。每个输出样本都是前一个样本的常数倍。

版本 1.16.0 中进行了更改:现在支持非标量启动停止。

参数
开始类似数组

序列的起始值。

停止类似数组

序列的最终值,除非端点为 False。在这种情况下,值在日志空间的间隔内间隔开,其中除了最后一个(长度为num的序列)之外的所有值都会被返回。num + 1

num整数,可选

要生成的样本数。默认值为 50。

端点布尔值,可选

如果为 true,则 stop是最后一个样本。否则,不包括在内。默认为 True。

数据类型数据类型

输出数组的类型。如果未给出,则从startstopdtype推断数据类型。推断的 dtype 永远不会是整数;即使参数会生成整数数组,也会选择float 。

int,可选

结果中用于存储样本的轴。仅当开始或停止类似于数组时才相关。默认情况下 (0),样本将沿着在开头插入的新轴。使用 -1 在末端获取轴。

1.16.0 版本中的新增内容。

返回
样本ndarray

num个样本,在对数刻度上等距分布。

也可以看看

logspace

与 geomspace 类似,但使用 log 和 base 指定端点。

linspace

与 geomspace 类似,但使用算术而不是几何级数。

arange

与 linspace 类似,指定步长而不是样本数。

如何创建具有规则间隔值的数组

笔记

如果输入或数据类型为复数,则输出将遵循复平面中的对数螺线。 (有无数条螺旋线穿过两个点;输出将遵循最短的此类路径。)

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,上述可能不会产生精确的整数:

>>> 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])

允许负数、递减和复数输入:

>>> 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])

端点参数图解:

>>> import matplotlib.pyplot as plt
>>> N = 10
>>> y = np.zeros(N)
>>> plt.semilogx(np.geomspace(1, 1000, N, endpoint=True), y + 1, 'o')
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.semilogx(np.geomspace(1, 1000, N, endpoint=False), y + 2, 'o')
[<matplotlib.lines.Line2D object at 0x...>]
>>> 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()
../../_images/numpy-geomspace-1.png