Python中np.linspace,python中linspace()和arange()的区别

　　主要介绍Python中range，np.arange，np.linspace的区别。根据示例代码非常详细，具有一定的参考价值。感兴趣的朋友可以参考一下。

　　00-1010 1 . range 2 . numpy . arange 3 . numpy . Lin空间参考

1. range

　　Numpy.arange是Numpy包的函数。其功能类似于Python的内置范围，其原型可以近似表示为：

　　numpy.arange(stop，dtype=None，like=None)

　　numpy.arange(开始，停止，步长=1，dtype=无，like=无)

　　(如前所述，Python不允许定义两个类初始化函数。其实它的CPython实现更像是传入了变长参数*args，然后根据l。

　　en(args)来进行不同的拆分，但我们这里遵循Python文档风格写法）

　　其中start、step、step的使用与range类似，此处不再赘述，唯一的区别就是这3个参数都可以是小数。dtype为返回array的类型，如果没有给定则会从输入输入参数中推断。like为一个array-like的类型，它允许创建非NumPy arrays的arrays类型。

　　总结一下，该类与Python内置的range区别有两点：一是支持小数参数，二是返回ndarray类型而非像range那样常常做为(隐式转换为)list类型使用。

　　以下是其常见用例：

print(np.arange(3))
　　# [0 1 2]
　　print(np.arange(3.0))
　　# [0. 1. 2.]
　　print(np.arange(3,7))
　　# [3 4 5 6]
　　print(np.arange(3,7,2))
　　# [3 5]
　　print(np.arange(0, 5, 0.5))
　　#[0. 0.5 1. 1.5 2. 2.5 3. 3.5 4. 4.5]

　　注意，在numpy.arange的使用过程中可能存在浮点稳定性的问题，从而导致下面这样的意想不到的结果：

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

　　这是因为在np.arange的内部实现中，实际上的step值是按照公式dtype(start+step)-dtype(start)来计算的，而非直接采用step。当进行强制类型转换（上面例子中转为int,即朝0方向取整）或start远远比step大时，会出现精度的损失。在这种情况下，建议使用下面提到的np.linspace：

3. numpy.linspace

　　numpy.linspace也是Numpy内置的一个函数，它和numpy.arange类似，但是它不再是简单的[start, stop)左闭右开，也没有使用步长step，而是使用样本个数num。其函数原型如下：

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

　　其中当endpoint采用默认的True时，start和stop表示序列的开始和初始值(闭区间[start, stop])，num为区间[start, stop]按照均匀(evenly)划分采样的样本数（包括边界start和stop在内）。不过需要注意的是，endpoint为True时stop才能做为最后一个样本，为False时区间内便不包括stop，此时会在区间[start,end]内按照总个数为num + 1个样本采样并去掉尾部样本（即stop点）组成。retstep位置为True则会返回(samples, step)元组，其中samples为生成的样本，step为样本之间的间隔步长。

　　注意，它的start、stop参数都可以为小数，但是当dtype设置为int时则就不能为小数。

　　numpy.linspace的常见使用样例如下：

print(np.linspace(2.0, 3.0, num=5))
　　# array([2. , 2.25, 2.5 , 2.75, 3. ])

　　如果设置endpoint为True，则按照num+1个样本数量来采样，并去掉最后一个样本。

print(np.linspace(2.0, 3.0, num=5, endpoint=False))
　　# [2. 2.2 2.4 2.6 2.8]

　　如果retstep设置为True，则除了返回生成的样本，还会返回样本之间的间隔步长。

print(np.linspace(2.0, 3.0, num=5, retstep=True))
　　# (array([2. , 2.25, 2.5 , 2.75, 3. ]), 0.25)

　　下面我们用图形形象化地描述endpoint取True和取False的区别：

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, color=orange)
　　plt.plot(x2, y + 0.5, o, color=blue)
　　plt.ylim([1, -0.5])
　　plt.show()

　　图像显示如下：

　　可以看出橘色的点为np.linspace(0, 10, N, endpoint=True)，按照总共8个点在[0, 10]采样，并包括stop边界10。蓝色的点为np.linspace(0, 10, N, endpoint=False)，先按照总共9个点在[0, 10]采样最后再去掉最后一个点（即stop点10），最终得到间隙更密的8个点。

参考

[1]https://docs.python.org/3/library/stdtypes.html?highlight=range#range
[2]https://stackoverflow.com/questions/43999181/range-non-default-parameter-follows-default-one
[3]https://numpy.org/doc/stable/reference/generated/numpy.arange.html?highlight=arange#numpy.arange
[4]https://numpy.org/doc/stable/reference/generated/numpy.linspace.html#numpy.linspace

　　到此这篇关于Python中range、np.arange和np.linspace的区别的文章就介绍到这了,更多相关Python range np.arange np.linspace内容请搜索盛行IT软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行IT软件开发工作室！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。

Python中np.linspace,python中linspace()和arange()的区别

目录

1. range

3. numpy.linspace

参考

相关文章阅读