numpy.logspace

numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None, axis=0)

傳回在對數尺度上均勻間隔的數字。

在線性空間中，序列起始於 base ** start (以 base 為底的 start 次方)，並結束於 base ** stop (見下方的 endpoint)。

在 1.25.0 版本變更: 現在支援非純量 ‘base`

參數:

startarray_like

base ** start 是序列的起始值。

stoparray_like

base ** stop 是序列的最終值，除非 endpoint 為 False。在這種情況下，num + 1 個值會在對數空間的區間上均勻間隔，其中除了最後一個值以外的所有值 (長度為 num 的序列) 都會傳回。

numinteger, optional

要產生的樣本數。預設值為 50。

endpointboolean, optional

若為 true，stop 是最後一個樣本。否則，它不會被包含在內。預設值為 True。

basearray_like, optional

對數空間的底數。在 ln(samples) / ln(base) (或 log_base(samples)) 中元素之間的步長是均勻的。預設值為 10.0。

dtypedtype

輸出陣列的型別。若未給定 dtype，則資料型別會從 start 和 stop 推斷而來。推斷的型別永遠不會是整數；即使引數會產生整數陣列，也會選擇 float。

axisint, optional

結果中儲存樣本的軸。僅在 start、stop 或 base 為類陣列時相關。預設情況下 (0)，樣本將沿著在開頭插入的新軸排列。使用 -1 可在結尾取得軸。

傳回值:

samplesndarray

num 個樣本，在對數尺度上均勻間隔。

另請參閱

arange

類似於 linspace，但指定步長而非樣本數。請注意，當與浮點數 endpoint 一起使用時，endpoint 可能會也可能不會被包含在內。

linspace

類似於 logspace，但樣本在線性空間中均勻分佈，而不是在對數空間中。

geomspace

類似於 logspace，但直接指定端點。

如何建立具有規律間隔值的陣列

註解

如果 base 是純量，則 logspace 等同於以下程式碼

>>> y = np.linspace(start, stop, num=num, endpoint=endpoint)
... 
>>> power(base, y).astype(dtype)
... 

範例

>>> import numpy as np
>>> np.logspace(2.0, 3.0, num=4)
array([ 100.        ,  215.443469  ,  464.15888336, 1000.        ])
>>> np.logspace(2.0, 3.0, num=4, endpoint=False)
array([100.        ,  177.827941  ,  316.22776602,  562.34132519])
>>> np.logspace(2.0, 3.0, num=4, base=2.0)
array([4.        ,  5.0396842 ,  6.34960421,  8.        ])
>>> np.logspace(2.0, 3.0, num=4, base=[2.0, 3.0], axis=-1)
array([[ 4.        ,  5.0396842 ,  6.34960421,  8.        ],
       [ 9.        , 12.98024613, 18.72075441, 27.        ]])

圖形化說明

>>> import matplotlib.pyplot as plt
>>> N = 10
>>> x1 = np.logspace(0.1, 1, N, endpoint=True)
>>> x2 = np.logspace(0.1, 1, N, endpoint=False)
>>> y = np.zeros(N)
>>> plt.plot(x1, y, 'o')
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.plot(x2, y + 0.5, 'o')
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.ylim([-0.5, 1])
(-0.5, 1)
>>> plt.show()