Python中range、np.arange和np.linspace的區(qū)別
1. range
range
是python內(nèi)置的一個(gè)類,該類型表示一個(gè)不可改變(immutable)的數(shù)字序列,常常用于在for
循環(huán)中迭代一組特殊的數(shù),它的原型可以近似表示如下:
class range(stop) class range(start, stop, step=1)
(注意,Python是不允許定義兩個(gè)類初始化函數(shù)的,其實(shí)其CPython實(shí)現(xiàn)更像是傳入不定長參數(shù)*args
,然后根據(jù)len(args)
來進(jìn)行不同的拆分,但我們這里遵循Python文檔風(fēng)格寫法)
如果只傳入stop
參數(shù),那么我們就默認(rèn)在[0, stop
)區(qū)間以步長1進(jìn)行迭代。如果傳入2或3個(gè)參數(shù),則我們會(huì)將在[start
, stop
)區(qū)間以step
步長(可選,默認(rèn)為1)迭代 。注意,三個(gè)參數(shù)必須全部為整數(shù)值。
它的常見使用樣例如下:
print(list(range(10))) # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] print(list(range(0, 30, 5))) # [0, 5, 10, 15, 20, 25]
當(dāng)stop
<=start
時(shí),而直接采用默認(rèn)的step=1
時(shí),元素會(huì)為空:
print(list(range(0))) # [] print(list(range(1, 0))) # []
此時(shí)的迭代我們需要將迭代步長設(shè)置為負(fù):
print(list(range(0, -10, -1))) # [0, -1, -2, -3, -4, -5, -6, -7, -8, -9]
如果非法地傳入非整數(shù)的參數(shù),如:
print(list(range(10, 0.3)))
則會(huì)報(bào)以下的TypeError:
'float' object cannot be interpreted as an integer
最后提一下,我們常常會(huì)寫下如下代碼:
for i in range(10): print(i)
此時(shí)Python解釋器實(shí)質(zhì)上會(huì)將range
對(duì)象隱式轉(zhuǎn)化為迭代器,等價(jià)于如下代碼:
list_iterator = iter(range(10)) try: while True: x = next(list_iterator) print(x) except StopIteration: pass
2. numpy.arange
numpy.arange
是NumPy
包的一個(gè)函數(shù),它的功能與Python內(nèi)置的range
類似,它的原型可以近似表示為:
numpy.arange(stop, dtype=None, like=None) numpy.arange(start, stop, step=1, dtype=None, like=None)
(還是如前面所說,Python是不允許定義兩個(gè)類初始化函數(shù)的,其實(shí)其CPython實(shí)現(xiàn)更像是傳入不定長參數(shù)*args
,然后根據(jù)len(args)
來進(jìn)行不同的拆分,但我們這里遵循Python文檔風(fēng)格寫法)
其中start
、step
、step
的使用與range
類似,此處不再贅述,唯一的區(qū)別就是這3個(gè)參數(shù)都可以是小數(shù)。dtype為返回array
的類型,如果沒有給定則會(huì)從輸入輸入?yún)?shù)中推斷。like
為一個(gè)array-like的類型,它允許創(chuàng)建非NumPy arrays的arrays類型。
總結(jié)一下,該類與Python內(nèi)置的range
區(qū)別有兩點(diǎn):一是支持小數(shù)參數(shù),二是返回ndarray
類型而非像range
那樣常常做為(隱式轉(zhuǎn)換為)list
類型使用。
以下是其常見用例:
print(np.arange(3)) # [0 1 2] print(np.arange(3.0)) # [0. 1. 2.] print(np.arange(3,7)) # [3 4 5 6] print(np.arange(3,7,2)) # [3 5] print(np.arange(0, 5, 0.5)) #[0. 0.5 1. 1.5 2. 2.5 3. 3.5 4. 4.5]
注意,在numpy.arange
的使用過程中可能存在浮點(diǎn)穩(wěn)定性的問題,從而導(dǎo)致下面這樣的意想不到的結(jié)果:
print(np.arange(0, 5, 0.5, dtype=int)) # [0 0 0 0 0 0 0 0 0 0] print(np.arange(-3, 3, 0.5, dtype=int)) # [-3 -2 -1 0 1 2 3 4 5 6 7 8]
這是因?yàn)樵?code>np.arange的內(nèi)部實(shí)現(xiàn)中,實(shí)際上的step值是按照公式dtype(start+step)-dtype(start)
來計(jì)算的,而非直接采用step
。當(dāng)進(jìn)行強(qiáng)制類型轉(zhuǎn)換(上面例子中轉(zhuǎn)為int
,即朝0方向取整)或start
遠(yuǎn)遠(yuǎn)比step
大時(shí),會(huì)出現(xiàn)精度的損失。在這種情況下,建議使用下面提到的np.linspace
:
3. numpy.linspace
numpy.linspace
也是Numpy
內(nèi)置的一個(gè)函數(shù),它和numpy.arange
類似,但是它不再是簡單的[start, stop)
左閉右開,也沒有使用步長step
,而是使用樣本個(gè)數(shù)num
。其函數(shù)原型如下:
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)
其中當(dāng)endpoint
采用默認(rèn)的True
時(shí),start
和stop
表示序列的開始和初始值(閉區(qū)間[start, stop]
),num
為區(qū)間[start, stop]
按照均勻(evenly)劃分采樣的樣本數(shù)(包括邊界start
和stop
在內(nèi))。不過需要注意的是,endpoint
為True
時(shí)stop
才能做為最后一個(gè)樣本,為False
時(shí)區(qū)間內(nèi)便不包括stop
,此時(shí)會(huì)在區(qū)間[start,end]
內(nèi)按照總個(gè)數(shù)為num + 1
個(gè)樣本采樣并去掉尾部樣本(即stop
點(diǎn))組成。retstep
位置為True
則會(huì)返回(samples, step)
元組,其中samples
為生成的樣本,step
為樣本之間的間隔步長。
注意,它的start、stop參數(shù)都可以為小數(shù),但是當(dāng)dtype設(shè)置為int時(shí)則就不能為小數(shù)。
numpy.linspace
的常見使用樣例如下:
print(np.linspace(2.0, 3.0, num=5)) # array([2. , 2.25, 2.5 , 2.75, 3. ])
如果設(shè)置endpoint
為True
,則按照num+1
個(gè)樣本數(shù)量來采樣,并去掉最后一個(gè)樣本。
print(np.linspace(2.0, 3.0, num=5, endpoint=False)) # [2. 2.2 2.4 2.6 2.8]
如果retstep
設(shè)置為True
,則除了返回生成的樣本,還會(huì)返回樣本之間的間隔步長。
print(np.linspace(2.0, 3.0, num=5, retstep=True)) # (array([2. , 2.25, 2.5 , 2.75, 3. ]), 0.25)
下面我們用圖形形象化地描述endpoint
取True
和取False
的區(qū)別:
import matplotlib.pyplot as plt N = 8 y = np.zeros(N) x1 = np.linspace(0, 10, N, endpoint=True) x2 = np.linspace(0, 10, N, endpoint=False) plt.plot(x1, y, 'o', color='orange') plt.plot(x2, y + 0.5, 'o', color='blue') plt.ylim([1, -0.5]) plt.show()
圖像顯示如下:
可以看出橘色的點(diǎn)為np.linspace(0, 10, N, endpoint=True)
,按照總共8個(gè)點(diǎn)在[0, 10]
采樣,并包括stop
邊界10。藍(lán)色的點(diǎn)為np.linspace(0, 10, N, endpoint=False)
,先按照總共9個(gè)點(diǎn)在[0, 10]
采樣最后再去掉最后一個(gè)點(diǎn)(即stop
點(diǎn)10),最終得到間隙更密的8個(gè)點(diǎn)。
參考
- [1] https://docs.python.org/3/library/stdtypes.html?highlight=range#range
- [2] https://stackoverflow.com/questions/43999181/range-non-default-parameter-follows-default-one
- [3] https://numpy.org/doc/stable/reference/generated/numpy.arange.html?highlight=arange#numpy.arange
- [4] https://numpy.org/doc/stable/reference/generated/numpy.linspace.html#numpy.linspace
到此這篇關(guān)于Python中range、np.arange和np.linspace的區(qū)別的文章就介紹到這了,更多相關(guān)Python range np.arange np.linspace內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
tensorflow基本操作小白快速構(gòu)建線性回歸和分類模型
這篇文章主要介紹了tensorflow基本操作,快速構(gòu)建線性回歸和分類模型,圖文代碼示例非常詳細(xì),有需要的朋友可以借鑒參考下,希望可以對(duì)大家有所幫助2021-08-08Python使用Matplotlib實(shí)現(xiàn)Logos設(shè)計(jì)代碼
這篇文章主要介紹了Python使用Matplotlib實(shí)現(xiàn)Logos設(shè)計(jì)代碼,具有一定借鑒價(jià)值,需要的朋友可以參考下。2017-12-12對(duì)python中dict和json的區(qū)別詳解
今天小編就為大家分享一篇對(duì)python中dict和json的區(qū)別詳解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-12-12Python把對(duì)應(yīng)格式的csv文件轉(zhuǎn)換成字典類型存儲(chǔ)腳本的方法
今天小編就為大家分享一篇Python把對(duì)應(yīng)格式的csv文件轉(zhuǎn)換成字典類型存儲(chǔ)腳本的方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-02-02總結(jié)Pyinstaller的坑及終極解決方法(小結(jié))
這篇文章主要介紹了總結(jié)Pyinstaller的坑及終極解決方法,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-09-09Python獲取好友地區(qū)分布及好友性別分布情況代碼詳解
利用Python + wxpy 可以快速的查詢自己好友的地區(qū)分布情況,以及好友的性別分布數(shù)量。還可以批量下載好友的頭像,拼接成大圖。感興趣的朋友跟隨小編一起看看吧2019-07-07pytorch中tensor.expand()和tensor.expand_as()函數(shù)詳解
今天小編就為大家分享一篇pytorch中tensor.expand()和tensor.expand_as()函數(shù)詳解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-12-12Python GUI編程之tkinter 關(guān)于 ttkbootstrap 的使用
ttkbootstrap 是一個(gè)基于 tkinter 的界面美化庫,使用這個(gè)工具可以開發(fā)出類似前端 bootstrap 風(fēng)格的 tkinter 桌面程序,這篇文章主要介紹了Python GUI編程之tkinter 關(guān)于 ttkbootstrap 的使用詳解,需要的朋友可以參考下2022-03-03