Автор оригинала: Team Python Pool.
Что такое numpy logspace?
Функция Numpy LogsPace () возвращает или создает массив, используя номера, которые равномерно разделены в масштабе журнала. В линейном пространстве последовательность в основном начинается у основания ** Начните и заканчивается на базе ** Стоп.
Синтаксис
np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None, axis=0)
Параметры
- Начать: Он используется для указания начального значения интервала в базе.
- Стоп: Используется для того, чтобы рассказать окончательное значение интервала в базе.
- Num: Это целочисленное значение, которое является необязательным на входе. Он используется для того, чтобы рассказать, сколько образцов для генерации. По умолчанию значение устанавливается на 50.
- Конечная точка: Это логическое значение, которое необязательно на входе. Если мы установим логическое значение для true, то остановка – последний образец. В противном случае мы не включаем это. По умолчанию это всегда верно.
- База: Он также необязательно на входе. Он рассказывает о базе logspace. По умолчанию он равен 10,0.
- dtype: Это тип выходного массива. Если это не дано, DTYPE выводится с начала и остановки.
- Ось: Это целочисленное значение, которое необязательно на входе. Это результат для хранения образцов.
Возвращаемое значение numpy logspace ()
NDARRAY с указанным диапазоном одинаково расположенным на шкале журнала.
Примеры logspace numpy ()
Давайте понять концепцию функции numpy logspace () подробно с помощью примеров:
1. Использование параметра Start, Stop и Num
В этом примере мы импортируем Numpy Library для использования функции logspace () и используем значение Start, Стоп, и параметр Num для возврата масштабов масштаба разнесена. Позвольте увидеть вывод с этими параметрами:
#import numpy library
import numpy as np
Output = np.logspace(2.0, 3.0, num=5)
print("output array : ",Output)
Выход:
output array : [ 100. 177.827941 316.22776602 562.34132519 1000. ]
Объяснение:
Во-первых, мы импортировали модуль NUMPY как NP. Во-вторых, мы применили функцию logspace () с параметрами Start, Stop и Num. Наконец, мы напечатали вывод программы. Следовательно, мы можем увидеть результат в качестве генерируемого массива.
2. Использование базового параметра
В этом примере мы импортируем Numpy Library для использования функции logspace () и использовать значение Start, STOP, BASE и NUM-параметр, чтобы равномерно вернуть масштабные масштабы. Позвольте увидеть вывод с этими параметрами:
#import numpy library
import numpy as np
Output = np.logspace(2.0, 3.0, num=5, base = 30)
print("output array : ",Output)
Выход:
output array : [ 900. 2106.31258739 4929.50301755 11536.7491727 27000. ]
Объяснение:
Во-первых, мы импортировали модуль NUMPY как NP. Во-вторых, мы применили функцию logspace () с помощью параметров Start, Stop, Base и Num. Наконец, мы напечатали вывод программы. Следовательно, мы можем увидеть результат в качестве генерируемого массива.
3. Использование параметра DTYPE
В этом примере мы импортируем Numpy Library, чтобы использовать функцию logspace () и использовать значение Start, STOP, TYPE и Num Parameter, чтобы получить равновесие масштабы разных журналов. Позвольте увидеть вывод с этими параметрами:
#import numpy library
import numpy as np
Output = np.logspace(2.0, 3.0, num=5, dtype=int)
print("output array : ",Output)
Выход:
output array : [ 100 177 316 562 1000]
Объяснение:
Во-первых, мы импортировали модуль NUMPY как NP. Во-вторых, мы применили функцию logspace () с параметрами Start, Stop, Type и Num. В этом параметре DType будет распечатать массив с целочисленным значением. Наконец, мы напечатали вывод программы. Следовательно, мы можем увидеть результат в качестве генерируемого массива.
4. Использование параметра конечной точки
В этом примере мы импортируем Numpy Library, чтобы использовать функцию logspace () и использовать значение запуска, значение стоп, конечную точку, тип и параметр Num для возврата масштабных масштабов. Позвольте увидеть вывод с этими параметрами:
#import numpy library
import numpy as np
Output = np.logspace(2.0, 3.0, num=5, endpoint = False,dtype=int)
print("output array : ",Output)
print("\n")
Output = np.logspace(2.0, 3.0, num=5, endpoint = True,dtype=int)
print("output array : ",Output)
Выход:
output array : [100 158 251 398 630] output array : [ 100 177 316 562 1000]
Объяснение:
Во-первых, мы импортировали модуль NUMPY как NP. Во-вторых, мы применили функцию logspace () с параметрами Start, Stop, Type и Num. В-третьих, мы взяли параметр конечного точка, который устанавливается на ложь и верно, как логические значения, так что вы можете увидеть изменения в выходе и легко понять концепцию. Наконец, мы напечатали вывод программы. Следовательно, мы можем увидеть результат в качестве генерируемого массива.
5. Использование всех параметров
В этом примере мы импортируем Numpy Library, чтобы использовать функцию logspace () и использовать значение запуска, значения стоп, конечную точку, DTYPE, BASE, AXIS и PARMETER NUM, чтобы равномерно вернуть масштабную масштаб. Позвольте увидеть вывод с этими параметрами:
#import numpy library
import numpy as np
Output = np.logspace(2.0,3.0,num=5,base=30,endpoint=False,dtype=int,axis=0)
print("output array : ",Output)
Выход:
output array : [ 900 1776 3508 6926 13675]
Объяснение:
Во-первых, мы импортировали модуль NUMPY как NP. Во-вторых, мы применили функцию logspace () со всеми параметрами, такими как start, stop, dtype, конечную точку, ось, базу и num parameter. Работа, которую параметры выполняются, можно увидеть в разделе параметра. Наконец, мы напечатали вывод программы. Следовательно, мы можем увидеть результат в качестве генерируемого массива.
ПРИМЕЧАНИЕ. Все вход хранится то же самое, что вы точно понимаете концепцию.
Графическое представление Numpy Logspace
В этом примере мы будем использовать модуль MATPLOTLIB, который поможет вам понять функцию numpy logspace ().
#import numpy and matplotlib library import numpy as np import matplotlib.pyplot as plt n=20 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') plt.plot(x2, y + 0.5, 'o') plt.ylim([-0.6, 1]) plt.show()
Выход:
Объяснение:
Здесь, во-первых, мы импортировали Numpy Library как NP. Во-вторых, мы импортировали библиотеку matplotlib.pyplot как PLT. В-третьих, мы взяли переменную n, которая устанавливается на 20. В-четвертых, мы взяли переменные X1 и X2, в которых мы применили функцию logspace () с некоторыми параметрами. В-пятых, у нас есть переменная y, какая функция np.zeros (). Затем мы применили библиотеку PLT, в которой X1 и X2 являются ось X, а y – ось Y для обоих цветов. Функция PLT.YLIM () устанавливает пределы Y оси текущей. Наконец, мы позвонили PLT.Show (), который будет генерировать График и вы можете увидеть вывод. Следовательно, мы можем увидеть результат как генерируемый графиком.
ПРИМЕЧАНИЕ: Эта программа не сможет работать на онлайн-компилятере, поэтому попробуйте запустить его в Spyder или любой другой компилятор.
Заключение
В этом руководстве мы узнали о том, как мы можем использовать функцию numpy logspace (). Мы подробно объяснили концепцию, объяснив все примеры в нем. Мы также показали рабочее и схематическое представление метода Numpy LogsPace () в библиотеке MATPLOTLIB. Таким образом, вы можете использовать программу в соответствии с вашими потребностями.