当前位置： 移动技术网 > IT编程>脚本编程>Python > numpy.linspace函数具体使用详解

numpy.linspace函数具体使用详解

2019年06月02日  | 移动技术网IT编程  | 我要评论

入党思想汇报2012年9月,苹果 范冰冰浴室戏,肖友发

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  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')
[<matplotlib.lines.line2d object at 0x...>]
>>> plt.plot(x2, y + 0.5, 'o')
[<matplotlib.lines.line2d object at 0x...>]
>>> 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移动技术网。

您可能感兴趣的文章:

如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复

相关文章:

验证码：
最近更新的文章
大家感兴趣的文章
移动技术网