numpy.logspace

numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None) [source]

Возвращает числа, равномерно распределённые на логарифмической шкале.

В линейном пространстве последовательность начинается с base ** start (base в степени start) и заканчивается base ** stop (см. endpoint ниже).

Параметры:

start : float base ** start — начальное значение последовательности. stop : float base ** stop — конечное значение последовательности, если endpoint равно False. В противном случае, значения распределяются равномерно по интервалу в логарифмическом пространстве, из которого возвращаются все, кроме последнего (последовательность длиной num). num : integer, optional Количество генерируемых выборок. По умолчанию 50. endpoint : boolean, optional Если True, то stop — последнее значение выборки. Иначе, оно не включено. По умолчанию True. base : float, optional Основание логарифмического пространства. Шаг между элементами в ln(samples) / ln(base) (или log_base(samples)) является равномерным. По умолчанию 10.0. dtype : dtype Тип выходного массива. Если dtype не задан, тип данных определяется из других входных аргументов.

Возвращает:

samples : ndarray num выборок, равномерно распределённых на логарифмической шкале.

См. также

arange

Аналогично linspace, но шаг задаётся вместо количества выборок. Обратите внимание, что при использовании с плавающей точкой конечной точки, конечная точка может или не может быть включена.

linspace

Аналогично logspace, но выборки равномерно распределены в линейном пространстве, а не в логарифмическом.

Примечания

Logspace эквивалентно коду

>>> y = np.linspace(start, stop, num=num, endpoint=endpoint)
... 
>>> power(base, y).astype(dtype)
... 

Примеры

>>> np.logspace(2.0, 3.0, num=4)
    array([  100.        ,   215.443469  ,   464.15888336,  1000.        ])
>>> np.logspace(2.0, 3.0, num=4, endpoint=False)
    array([ 100.        ,  177.827941  ,  316.22776602,  562.34132519])
>>> np.logspace(2.0, 3.0, num=4, base=2.0)
    array([ 4.        ,  5.0396842 ,  6.34960421,  8.        ])

Графическая иллюстрация:

>>> import matplotlib.pyplot as plt
>>> N = 10
>>> 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')
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.plot(x2, y + 0.5, 'o')
[<matplotlib.lines.Line2D object at 0x...>]
>>> plt.ylim([-0.5, 1])
(-0.5, 1)
>>> plt.show()

(Исходный код, png, pdf)