python numpy 中linspace函数示例详解

python numpy 中linspace函数

numpy提供linspace函数(有时也称为np.linspace)是python中创建数值序列工具。与Numpy arange函数类似，生成结构与Numpy 数组类似的均匀分布的数值序列。两者虽有些差异，但大多数人更愿意使用linspace函数，其很好理解，但我们需要去学习如何使用。

本文我们学习linspace函数及其他语法，并通过示例解释具体参数。最后也顺便提及np.linspace 和 np.arange之间的差异。

1. 快速了解

通过定义均匀间隔创建数值序列。其实，需要指定间隔起始点、终止端，以及指定分隔值总数（包括起始点和终止点）；最终函数返回间隔类均匀分布的数值序列。请看示例：

np.linspace(start = 0, stop = 100, num = 5)

代码生成 NumPy 数组 (ndarray 对象)，结果如下：array([ 0., 25., 50., 75., 100.])
如图：

在这里插入图片描述

让我们解释下，Numpy linspace函数依照定义间隔生成均匀分布的数值。我们使用start和stop参数指定间隔，这里我们设定为0和100，同时指定在范围内生产5个观测值，因此函数生成5个均匀分布的元素。第一个是0，最后一个100，其他三个分布在0和100之间。

下面我们详细看下linspace函数的参数，让你更清楚理解其机制。

2. linspace函数语法

linspace的语法非常简单直接。如下图所示，首先是函数名称，对应代码为 np.linspace (假设你已导入importe NumPy as np)。

在这里插入图片描述

图2

在这里插入图片描述

我们并不需要每次都使用所有参数，如果缺省值可以满足我们需求。一般start, stop, num 比 endpoint 和 dtype常用。

位置参数 vs 命名参数

实际调用时无需显示指定参数名称，可以通过参数位置直接匹配：

np.linspace(0, 100, 5)

上面代码和前面示例的功能一样：np.linspace(start = 0, stop = 100, num = 5) 。
前者使用位置匹配，后者使用名称匹配。位置匹配让代码简捷，名称匹配使代码更可读，实际应用中我们鼓励使用名称匹配调用函数。

3. 示例

下面通过示例学习每个参数含义。

3.1 从0到1，间隔为0.1的数值序列

np.linspace(start = 0, stop = 1, num = 11)

输出结果为：

array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1. ])

当你需要百分比场景时比较有用。

3.2 从0 到 100，间隔为10的数值序列

np.linspace(start = 0, stop = 100, num = 11)

输出结果为：

array([ 0., 10., 20., 30., 40., 50., 60., 70., 80., 90., 100.])

该示例和前面一样，只是实际应用很常用。

3.3 使用 endpoint 参数

前文提到，endpoint 参数决定终止值是否被包含在结果数组中。缺省为True，即包括在结果中，反之不包括，请看示例：

np.linspace(start = 1, stop = 5, num = 4, endpoint = False)

因为endpoint = False，5不在结果中。结果为1到4。

array([ 1., 2., 3., 4.])

个人认为该参数不够直接，平时一般不使用。

3.4 手动指定数据类型

默认linspace根据其他参数类型推断数据类型，很多时候，输出结果为float类型。如果需要指定数据类型，可以通过dtype设置。该参数很直接，除了linspace其他函数也一样，如：np.array,np.arange等。示例：

np.linspace(start = 0, stop = 100, num = 5, dtype = int)

这里dtype为int，结果为int类型，而不是float类型。

4. 总结

本文我们通过示例学习了linspace函数。如果你熟悉NumPy，一定也注意到还有np.arange函数。两者最大差异是，linspace能够精确控制终止值终值，而arange能够更直接地控制序列中值之间的增量。

Python Numpy 关于 linspace()函数使用详解（全）

前言

用plt画图的时候，偶尔会看到这个函数的出现，索性直接深入源码实战进行复现

主要功能：在线性区域中生成等间距的序列，原先在Numpy中可以用numpy.arange()，但对于浮点数会有精度丢失，因此 linspace()对于浮点数比较友好。适当的参数，两者都可选择。

1. 函数讲解

具体源码：numpy.linspace(start, end, num=num_points,endpoint=False,retstep=True,axis=0,dtype=int)

参数讲解：

对应的序列在【start,end】，共有num_points个元素
endpoint默认为True。如果设置为False，对应的序列在【start,end），通俗的说不包括最后一个元素，同样共有num_points个元素
retstep默认为False。如果设置为True，则返回的序列结果为一个元组，对应的序列在【start,end】
axis设置轴来存储，只可数组类型才可编译。默认为0，在开始处插入新轴。为-1，为序列末尾轴。
dtype默认类型为int，很多时候输出为float类型。

2. 实战讲解

该函数最基本的使用如下：

import numpy as np import matplotlib.pyplot as plt x1 = np.linspace(-5, 5, 5) # 让y直接为0 y = np.zeros(5) # 画图，具体用*号表示 plt.plot(x1, y, '*') # 设置当前轴的y限制 plt.ylim([-0.5, 0.5]) plt.show() # 输出 [-5. -2.5 0. 2.5 5. ] print(x1) # 输出的长度为 5 print(len(x1))

截图如下：

在这里插入图片描述

如果设置endpoint参数，对应不保存最后一个关键字，具体代码如下：

import numpy as np import matplotlib.pyplot as plt x1 = np.linspace(-5, 5, 5,endpoint=False) y = np.zeros(5) plt.plot(x1, y, '*') plt.ylim([-0.5, 0.5]) plt.show() 注意其中的区别 # 输出 [-5. -3. -1. 1. 3.] print(x1) # 输出的长度为 5 print(len(x1))

截图如下：

在这里插入图片描述

import numpy as np import matplotlib.pyplot as plt x1 = np.linspace(-5, 5, 5,retstep=True) y = np.zeros(5) # 代码无法使用，因为是元组类型，无法画图 # plt.plot(x1, y, '*') # plt.ylim([-0.5, 0.5]) # plt.show() # 注意其中的区别 # 输出(array([-5. , -2.5, 0. , 2.5, 5. ]), 2.5) print(x1) # 输出的长度为 2 print(len(x1))

如果设置axis参数，对应的代码区别如下：

import numpy as np import matplotlib.pyplot as plt x1 = np.array([[1, 2], [3, 4]]) x2 = np.array([[5, 6], [7, 8]]) s = np.linspace(x1,x2,3, axis=1) print(s) # 输出的长度为 2 print(len(s))

axis=1输出结果为：

[[[1. 2.]
[3. 4.]
[5. 6.]]

[[3. 4.]
[5. 6.]
[7. 8.]]]

axis=0输出结果为：

[[[1. 2.]
[3. 4.]]

[[3. 4.]
[5. 6.]]

[[5. 6.]
[7. 8.]]]

到此这篇关于python numpy 中linspace函数的文章就介绍到这了,更多相关python linspace函数内容请搜索本网站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本网站！

您可能感兴趣的文章:

python numpy 中linspace函数示例详解
Python中range、np.arange和np.linspace的区别
Python Numpy之linspace用法说明
对python中arange()和linspace()的区别说明
python numpy库linspace相同间隔采样的实现
python的range和linspace使用详解
python定间隔取点(np.linspace)的实现
python numpy函数中的linspace创建等差数列详解

python numpy 中linspace函数示例详解

目录