7. NumPy创建区间数组

1. 前言

所谓区间数组，是指数组元素的取值位于某个范围内，并且数组元素之间可能会呈现某种规律，比如等比数列、递增、递减等。

为了方便科学计算，Python NumPy 支持创建区间数组。

2. numpy.arange()

在 NumPy 中，您可以使用 arange() 来创建给定数值范围的数组，语法格式如下：

numpy.arange(start, stop, step, dtype)

参数说明见下表：

参数描述

参数名称	参数说明
start	起始值，默认是 0。
stop	终止值，注意生成的数组元素值不包含终止值。
step	步长，默认为 1。
dtype	可选参数，指定 ndarray 数组的数据类型。

根据start与stop指定的范围以及step步长值，生成一个 ndarray 数组，示例如下。

import numpy as np
x = np.arange(8) 
print (x)

输出结果如下所示：

[0 1 2 3 4 5 6 7]

设置 start 、stop 值以及步长，最终输出 0-10 中的奇数：

import numpy as np
x = np.arange(1,10,2) 
print (x)

输出结果如下所示：

[1 3 5 7 9]

3. numpy.linspace()

表示在指定的数值区间内，返回均匀间隔的一维等差数组，默认均分 50 份，语法格式如下：

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

参数说明如下：

• start：代表数值区间的起始值；
• stop：代表数值区间的终止值；
• num：表示数值区间内要生成多少个均匀的样本。默认值为 50；
• endpoint：默认为 True，表示数列包含 stop 终止值，反之不包含；
• retstep：默认为 True，表示生成的数组中会显示公差项，反之不显示；
• dtype：代表数组元素值的数据类型。

示例如下：

import numpy as np
#生成10个样本
a = np.linspace(1,10,10)
print(a)

输出结果：

[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]

下面示例是 endpoint 为 Fasle 时，此时不包含终止值：

import numpy as np 
arr = np.linspace(10, 20, 5, endpoint = False) 
print("数组数值范围 ：",arr)  

输出结果如下：

数组数值范围 ： [10. 12. 14. 16. 18.]

retstep 参数使用示例如下：

import numpy as np
x = np.linspace(1,2,5, retstep = True)
print(x) 

输出结果如下，其中 0.25 为等差数列的公差：

(array([1.  , 1.25, 1.5 , 1.75, 2.  ]), 0.25)

4. numpy.logspace

该函数同样返回一个 ndarray 数组，它用于创建等比数组，语法格式如下：

np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

其中 base 代表对数函数的底数，默认为 10，参数详细说明见下表：

参数说明

参数名称	说明描述
start	序列的起始值：base**start。
stop	序列的终止值：base**stop。
num	数值范围区间内样本数量，默认为 50。
endpoint	默认为 True 包含终止值，反之不包含。
base	对数函数的 log 底数，默认为10。
dtype	可选参数，指定 ndarray 数组的数据类型。

使用示例如下：

import numpy as np
a = np.logspace(1.0,2.0, num = 10)
print (a)

输出结果：

[ 10.          12.91549665  16.68100537  21.5443469   27.82559402
  35.93813664  46.41588834  59.94842503  77.42636827 100.        ]

下面是 base = 2 的对数函数，示例如下：

import numpy as np
a = np.logspace(1,10,num = 10, base = 2)
print(a)

输出结果:

 [ 2. 4. 8. 16. 32. 64. 128. 256. 512. 1024.]