numpy.geomspace

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

返回在对数刻度（几何级数）上均匀间隔的数字。

这和 logspace ，但直接指定端点。每个输出样本都是前一个的常量倍数。

在 1.16.0 版更改: 非标量 start 和 stop 现在支持。

参数

startarray_like

序列的起始值。

stoparray_like

序列的最终值，除非 endpoint 是假的。在那种情况下， num + 1 数值以对数空间间隔，除最后一个（长度序列）以外 num ）返回。

num整数，可选

要生成的样本数。默认值为50。

endpoint布尔值，可选

如果是真的， stop 是最后一个样本。否则不包括在内。默认值为true。

dtypeD型

输出数组的类型。如果 dtype 则数据类型是从 start 和 stop . 推断的数据类型永远不会是整数； float 即使参数将产生整数数组，也会选择。

axis可选的

结果中用于存储样本的轴。仅当开始或停止类似于数组时才相关。默认情况下（0），采样将沿着在开始处插入的新轴。使用-1在末尾获得一个轴。

1.16.0 新版功能.

返回

samples恩达雷

num 样本，在对数刻度上等距分布。

参见

logspace

类似于geomspace，但使用log and base指定端点。

linspace

类似于地理空间，但使用算术而不是几何级数。

arange

类似于linspace，指定了步进大小而不是样本数。

笔记

如果输入或数据类型是复杂的，则输出将跟随复杂平面中的对数螺旋线。（通过两个点的螺旋数量是无限的；输出将遵循这样的最短路径。）

实例

>>> 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.])

注意，上面可能不会产生精确的整数：

>>> 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])

允许负输入、递减输入和复杂输入：

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

图示 endpoint 参数：

>>> import matplotlib.pyplot as plt
>>> N = 10
>>> y = np.zeros(N)
>>> plt.semilogx(np.geomspace(1, 1000, N, endpoint=True), y + 1, 'o')
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.semilogx(np.geomspace(1, 1000, N, endpoint=False), y + 2, 'o')
[<matplotlib.lines.Line2D object at 0x...>]
>>> 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()

numpy.logspace numpy.meshgrid