您现在的位置是:门户> 编程语言> Python

numpy.linspace函数具体使用详解
2020-01-23 2053人围观 0条评论
简介这篇文章主要介绍了numpy.linspace具体使用详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

    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 dtype 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')
    []
    >>> plt.plot(x2, y + 0.5, 'o')
    []
    >>> plt.ylim([-0.5, 1])
    (-0.5, 1)
    >>> plt.show()
    

    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脚本之家。

分享:

文章评论

    • wxpython 学习笔记 第一天
    • python文本数据处理学习笔记详解