当前位置：极客教程 > Numpy > Numpy 数学函数 > 如何用Python创建一个使用对数刻度的均匀间隔的数字列表

如何用Python创建一个使用对数刻度的均匀间隔的数字列表

如何用Python创建一个使用对数刻度的均匀间隔的数字列表

在这篇文章中，我们将使用对数尺度创建一个均匀间隔的数字列表。这意味着在对数尺度上，两个相邻的样本之间的差异是相同的。这个目标可以通过Python Numpy库中的两个不同的函数来实现。

使用到的函数:

  • numpy.logspace。该函数返回以对数尺度均匀缩放的数字。

参数:

  • start：序列的起始值是basestart
  • stop: 如果端点是True，那么序列的结束值就是basestop。
  • num（可选）：指定要生成的样本数
  • endpoint （可选）：它可以是真或假，默认值为真
  • base（可选）：指定日志序列的基数。默认值是10。
  • dtype（可选）：指定输出阵列的类型
  • axis（可选）：结果中用于存储样本的轴。

返回：它返回在对数尺度上等距的样本阵列。

  • numpy.geomspace。这个函数类似于logspace函数，唯一的区别是可以直接指定端点。在输出样本中，每个输出都是通过将之前的输出乘以相同的常数而得到的。

参数：

start：它是序列的起始值

stop: 如果endpoint是True，那么它就是序列的结束值。

num（可选）：指定要生成的样本数

endpoint（可选）：它可以是真或假，默认值为真

dtype（可选）：指定输出阵列的类型

axis（可选）：结果中用来存储样本的轴。

返回：它返回在对数尺度上等距的样本阵列。

例子1：这个例子使用了logspace函数。在这个例子中，开始是1，停止是3，基数是10。所以序列的起点将是10**1=10，序列的终点将是10**3=1000。

# importing the library
import numpy as np
import matplotlib.pyplot as plt
  
# Initializing variable
y = np.ones(10)
  
# Calculating result
res = np.logspace(1, 3, 10, endpoint = True)
  
# Printing the result
print(res)
  
# Plotting the graph
plt.scatter(res, y, color = 'green')
plt.title('logarithmically spaced numbers')
plt.show()
Python

输出:

如何用Python创建一个使用对数刻度的均匀间隔的数字列表？

实例2：本例使用geomspace函数生成与上例相同的列表。这里我们直接传递10和1000作为起点和终点

# importing the library
import numpy as np
import matplotlib.pyplot as plt
  
# Initializing variable
y = np.ones(10)
  
# Calculating result
res = np.geomspace(10, 1000, 10, endpoint = True)
  
# Printing the result
print(res)
  
# Plotting the graph
plt.scatter(res, y, color = 'green')
plt.title('logarithmically spaced numbers')
plt.show()
Python

输出:

如何用Python创建一个使用对数刻度的均匀间隔的数字列表？

例子3：在这个例子中，端点被设置为false，所以它将产生n+1个样本，只返回前n个样本，即停止不会被包括在序列中。

# importing the library
import numpy as np
import matplotlib.pyplot as plt
  
# Initializing variable
y = np.ones(10)
  
# Calculating result
res = np.logspace(1, 3, 10, endpoint = False)
  
# Printing the result
print(res)
Python

输出:

[ 10.          15.84893192  25.11886432  39.81071706  63.09573445
 100.         158.48931925 251.18864315 398.10717055 630.95734448]
Python

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Numpy 数学函数

登录

找回密码？

注册