numpy.geomspace

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

返回在对数刻度上均匀分布的数字（几何级数）.

这与 logspace 类似,但端点是直接指定的.每个输出样本是前一个的常数倍.

在 1.16.0 版本发生变更: 现在支持非标量的 start 和 stop.

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`` 个值在对数空间中分布在区间上,其中除了最后一个（长度为 num 的序列）之外的所有值都被返回.

num整数,可选

要生成的样本数量.默认是 50.

endpoint布尔值, 可选

如果为真,`stop` 是最后一个样本.否则,不包括在内.默认值为 True.

dtypedtype

输出数组的类型.如果未指定 dtype,数据类型将从 start 和 stop 推断.推断的 dtype 永远不会是整数;即使参数会产生整数数组,也会选择 float.

axisint, 可选

结果中存储样本的轴.仅在 start 或 stop 是类数组时相关.默认情况下 (0),样本将沿一个新的轴插入到开头.使用 -1 来获取末尾的轴.

在 1.16.0 版本加入.

返回:

samplesndarray

num 样本,在对数尺度上等间隔分布.

参见

logspace

类似于 geomspace,但使用对数和基数指定端点.

linspace

类似于 geomspace,但使用的是算术而不是几何级数.

arange

类似于 linspace,但指定了步长而不是样本数量.

如何分区

备注

如果输入或 dtype 是复数,输出将遵循复平面中的对数螺旋.（通过两点有无数个螺旋;输出将遵循最短的路径.）

示例

>>> 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,上述内容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])

允许负数、递减和复杂输入:

>>> 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()