Numpy linspace() 函数

Numpy linspace() 函数用于返回一个在指定间隔内等距分布的数组。该函数接受 start、stop 和 num 等参数，并返回一个包含 start 和 stop 之间等距分布值的数组。它类似于 numpy.arange() 函数，但它使用样本数而不是步长。

在 NumPy 中，numpy.linspace() 和 arange() 都是用于生成在指定间隔内等距分布值的数组的函数。主要区别在于 numpy.linspace() 在起始值和终止值之间生成指定数量的均匀分布样本(默认包含起始值和终止值)，而 numpy.arange() 则在指定范围内生成均匀分布的值，该范围由固定的步长决定。

语法

以下是 Numpy linspace() 函数的语法 -

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

参数

以下是 Numpy linspace() 函数的参数 -

• start:它是序列的起始值，默认 start=0
• stop:序列的结束值
• num(可选):表示要生成的样本数量
• endpoint(可选):指定是否包含结束值。如果为 True，则 stop 为最后一个样本。否则，不包含。默认情况下，endpoint=True。
• retstep(可选):如果为 True，则返回 (samples, step)，其中 step 是样本之间的间距。
• dtype(可选):表示输出数组的类型
• axis(可选):这是结果中用于存储样本的轴。仅当 start 或 stop 为类数组(即它不是标量而是数组)时，此操作才有意义。

返回值

此函数返回一个 NumPy 数组，其中包含 num 个在指定间隔内均匀分布的值。

示例

以下是使用 Numpy linspace() 函数生成均匀分布的 numpy 数组的基本示例 -

import numpy as np
my_Array = np.linspace(11,20,5)
print("Numpy Array -",my_Array)

输出

以下是上述代码的输出 -

Numpy 数组 - [11. 13.25 15.5 17.75 20. ]

示例:生成二维 Numpy 数组

使用 numpy.linspace() 函数，我们可以指定给定范围内等距值的数量来生成二维数组，然后使用 reshape() 函数将生成的一维数组重塑为所需的二维形状。

这里，我们使用 numpy.linspace() 生成了一个 3 行 4 列的二维数组，其中值按 1 到 10 的线性间隔排列 -

import numpy as np
# 生成 12 个介于 1 到 10 之间的等距值
array_1d = np.linspace(1, 10, 12)
# 重塑为二维数组(例如，3 行 4 列)
array_2d = array_1d.reshape(3, 4)
print("Numpy 二维数组 -
",array_2d)

输出

以下是上述代码的输出 -

Numpy 二维数组 -
[[ 1. 1.81818182 2.63636364 3.45454545]
[ 4.27272727 5.09090909 5.90909091 6.72727273]
[ 7.54545455 8.36363636 9.18181818 10. ]]

示例:在 'linspace()' 中使用负值

负值可以用作 numpy.linspace() 函数的参数，以创建包含指定范围内负数的数组。

在以下示例中，我们创建了一个包含 16 个介于 -5 和 5 之间的等距值的数组，然后将其重塑为 4x4 矩阵 -

import numpy as np

# 生成介于 -5 和 5 之间的 16 个等距值
array_1d = np.linspace(-5, 5, 16)

# 重塑为二维数组(4 行，4列)
array_2d = array_1d.reshape(4, 4)
print("Numpy 二维数组 -
", array_2d)

输出

以下是上述代码的输出 -

Numpy 二维数组 -
 [[-5.         -4.33333333 -3.66666667 -3.        ]
 [-2.33333333 -1.66666667 -1.         -0.33333333]
 [ 0.33333333  1.          1.66666667  2.33333333]
 [ 3.          3.66666667  4.33333333  5.        ]]

numpy_array_creation_routines.html