numpy.geomspace

numpy.geomspace(start, stop, num=50, endpoint=True, dtype=None, axis=0)

返回在对数刻度上均匀间隔的数字(一个等比数列).

这与 logspace 类似,但是直接指定了端点.每个输出样本都是前一个样本的常数倍.

参数:

startarray_like

序列的起始值.

stoparray_like

序列的最终值,除非 endpoint 为 False.在这种情况下, num + 1 个值在对数空间中均匀分布在区间上,其中除了最后一个之外的所有值(长度为 num 的序列)都会被返回.

num整数,可选

要生成的样本数量.默认为 50.

endpoint布尔值,可选

如果为真,则 stop 是最后一个样本. 否则,它不包括在内. 默认为 True.

dtypedtype

输出数组的类型. 如果未给定 dtype ,则数据类型从 start 和 stop 推断. 推断的 dtype 永远不会是整数; 即使参数会产生一个整数数组,也会选择 float .

axis整数,可选

结果中用于存储样本的轴. 仅当 start 或 stop 类似于数组时才相关. 默认情况下 (0),样本将沿在开头插入的新轴排列. 使用 -1 在末尾获得一个轴.

返回:

样本ndarray

num 个样本,在对数刻度上均匀分布.

参见

logspace

类似于 geomspace,但使用对数和底数指定端点.

linspace

类似于 geomspace,但使用算术级数而不是几何级数.

arange

类似于 linspace,但指定步长而不是样本数.

如何创建具有规则间隔值的数组

注释

如果输入或 dtype 是复数,则输出将遵循复平面中的对数螺旋线.(有无数条通过两个点的螺旋线;输出将遵循最短路径.)

示例

Try it in your browser!

>>> import numpy as np
>>> 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])

允许使用负数,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])

endpoint 参数的图形说明:

>>> 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()

Go BackOpen In Tab