numpy.ma.arange#

ma.arange([start, ]stop, [step, ]dtype=None, *, device=None, like=None) = <numpy.ma.core._convert2ma object>#

返回给定区间内的均匀间隔的值.

可以使用可变数量的位置参数调用 arange :

  • arange(stop) :值在半开区间 [0, stop) 内生成(换句话说,包括 start 但不包括 stop 的区间).

  • arange(start, stop) :值在半开区间 [start, stop) 内生成.

  • arange(start, stop, step) 值在半开区间 [start, stop) 内生成,值之间的间距由 step 给出.

对于整数参数,该函数大致等效于 Python 内置的 range ,但返回一个 ndarray 而不是 range 实例.

当使用非整数步长(如 0.1)时,通常最好使用 numpy.linspace .

有关更多信息,请参见下面的"警告"部分.

参数:
start整数或实数,可选

间隔的开始.该间隔包括此值.默认起始值为 0.

stop整数或实数

间隔的结束.该间隔不包括此值,除非在某些情况下 step 不是整数且浮点舍入会影响 out 的长度.

step整数或实数,可选

值之间的间距.对于任何输出 out ,这是两个相邻值之间的距离, out[i+1] - out[i] .默认步长大小为 1.如果将 step 指定为位置参数,则还必须给出 start .

dtypedtype,可选

输出数组的类型.如果未给出 dtype ,则从其他输入参数推断数据类型.

devicestr, optional

放置创建的数组的设备.默认值: None .仅用于Array-API互操作性,因此如果传递则必须为 "cpu" .

在 2.0.0 版本加入.

like类数组,可选

引用对象,允许创建非 NumPy 数组的数组.如果作为 like 传入的类数组支持 __array_function__ 协议,则结果将由它定义.在这种情况下,它可以确保创建与通过此参数传入的对象兼容的数组对象.

在 1.20.0 版本加入.

返回:
arangeMaskedArray

均匀间隔值的数组.

对于浮点参数,结果的长度为 ceil((stop - start)/step) .由于浮点溢出,此规则可能导致 out 的最后一个元素大于 stop .

警告

输出的长度可能在数值上不稳定.

另一个稳定性问题是由于 numpy.arange 的内部实现.用于填充数组的实际步长值为 dtype(start + step) - dtype(start) 而不是 step .由于转换或当 start 远大于 step 时使用浮点数,可能会发生精度损失.这可能导致意外行为.例如:

>>> np.arange(0, 5, 0.5, dtype=int)
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
>>> np.arange(-3, 3, 0.5, dtype=int)
array([-3, -2, -1,  0,  1,  2,  3,  4,  5,  6,  7,  8])

在这种情况下,应首选使用 numpy.linspace .

内置的 range 生成 Python built-in integers that have arbitrary size ,而 numpy.arange 生成 numpy.int32 或 numpy.int64 数字.这可能导致较大的整数值出现不正确的结果:

>>> power = 40
>>> modulo = 10000
>>> x1 = [(n ** power) % modulo for n in range(8)]
>>> x2 = [(n ** power) % modulo for n in np.arange(8)]
>>> print(x1)
[0, 1, 7776, 8801, 6176, 625, 6576, 4001]  # correct
>>> print(x2)
[0, 1, 7776, 7185, 0, 5969, 4816, 3361]  # incorrect

参见

numpy.linspace

均匀间隔的数字,并仔细处理端点.

numpy.ogrid

N 维中均匀间隔的数字数组.

numpy.mgrid

N 维中均匀间隔的数字的网格状数组.

如何创建具有规则间隔值的数组

示例

>>> import numpy as np
>>> np.arange(3)
array([0, 1, 2])
>>> np.arange(3.0)
array([ 0.,  1.,  2.])
>>> np.arange(3,7)
array([3, 4, 5, 6])
>>> np.arange(3,7,2)
array([3, 5])
On this page