Python numpy.geomspace函数方法的使用

NumPy（Numerical Python的缩写）是一个开源的Python科学计算库。使用NumPy，就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数，涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍一下NumPy中geomspace方法的使用。

numpy.geomspace

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

返回数字以对数刻度（几何级数）均匀分布。

这类似于 logspace，但是直接指定了端点。每个输出样本是前一个样本的恒定倍数。

Changed in version 1.16.0: Non-scalar start and stop are now supported.

参数：

start ：array_like

序列的起始值。

stop ：array_like

序列的最终值，除非端点为False。在这种情况下，

num + 1值在对数空间的间隔内间隔开，

返回除最后一个（长度为num的序列）外的所有值。

num ：integer, 可选

要生成的样本数。默认值为50。

endpoint ：boolean, 可选

如果为true，则停止是最后一个样本。

否则，不包括在内。默认值为True。

dtype ：dtype

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。

axis ：int, 可选

结果中的轴用于存储样本。

仅当start或stop类似于数组时才相关。

默认情况下为（0），样本将沿着在开始处插入的新轴。

使用-1来获得轴的末端。1.16.0版中的新功能。

返回值：

samples ：ndarray

num个samples，以对数刻度等距分布。

Notes

如果输入或dtype是复数，则输出将在复数平面中遵循对数螺旋。（有无限数量的螺旋线穿过两个点；输出将遵循最短的这种路径。）

例子

>>> 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，以上可能不会产生确切的整数：

>>> 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，递减和复杂的输入：

>>> 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 linearray([0.   +1.j, 0.  +10.j, 0. +100.j, 0.+1000.j])>>> np.geomspace(-1+0j, 1+0j, num=5)  # Circlearray([-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])

endpointparameter的图形化图示：

>>> import matplotlib.pyplot as plt>>> N = 10>>> y = np.zeros(N)>>> plt.semilogx(np.geomspace(1, 1000, N, endpoint=True), y + 1, 'o')[]>>> plt.semilogx(np.geomspace(1, 1000, N, endpoint=False), y + 2, 'o')[]>>> 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()