Рубрики
Без рубрики

Как начать использовать Numpy Logspace () Метод в Python

Функция Numpy LogsPace () возвращает или создает массив, используя номера, которые равномерно разделены в масштабе журнала.

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:

Графическое представление Numpy Logspace

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.