Numpy: różnica między np.linspace i np.arange

Jeśli chodzi o tworzenie sekwencji wartości, linspace i arange to dwie powszechnie używane funkcje NumPy.

Oto subtelna różnica między tymi dwiema funkcjami:

• linspace pozwala określić liczbę kroków
• arange pozwala określić wielkość kroków

Poniższe przykłady pokazują, jak wykorzystać każdą funkcję w praktyce.

Przykład 1: Jak używać np.linspace

Funkcja np.linspace() wykorzystuje następującą podstawową składnię:

np.linspace(start, stop, liczba, …)

Złoto:

• start : Wartość początkowa sekwencji
• stop : Wartość końcowa sekwencji
• num : liczba wartości do wygenerowania

Poniższy kod pokazuje, jak użyć np.linspace() do utworzenia 11 równomiernie rozmieszczonych wartości z zakresu od 0 do 20:

 import numpy as np

#create sequence of 11 evenly spaced values between 0 and 20
n.p. linspace (0, 20, 11)

array([ 0., 2., 4., 6., 8., 10., 12., 14., 16., 18., 20.])

Wynikiem jest tablica 11 równomiernie rozmieszczonych wartości od 0 do 20.

Korzystając z tej metody, np.linspace() automatycznie określa odległość między wartościami.

Przykład 2: Jak używać np.arange

Funkcja np.arange() wykorzystuje następującą podstawową składnię:

np.arange(start, stop, krok, …)

Złoto:

• start : Wartość początkowa sekwencji
• stop : Wartość końcowa sekwencji
• krok : odstęp między wartościami

Poniższy kod pokazuje, jak użyć np.arange() do utworzenia sekwencji wartości od 0 do 20, gdzie odstęp między każdą wartością wynosi 2:

 import numpy as np

#create sequence of values between 0 and 20 where spacing is 2
n.p. arange (0, 20, 2)

array([ 0, 2, 4, 6, 8, 10, 12, 14, 16, 18])

Wynikiem jest sekwencja wartości od 0 do 20, gdzie odstęp między każdą wartością wynosi 2.

Korzystając z tej metody, np.arange() automatycznie określa liczbę wartości do wygenerowania.

Jeśli użyjemy innego rozmiaru kroku (np. 4), to np.arange() automatycznie dostosuje całkowitą liczbę wygenerowanych wartości:

 import numpy as np

#create sequence of values between 0 and 20 where spacing is 4
n.p. arange (0, 20, 4)

array([ 0, 4, 8, 12, 16])

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak wykonywać inne typowe operacje w Pythonie:

Jak wypełnić tablicę NumPy wartościami
Jak zamienić elementy w tablicy NumPy
Jak policzyć unikalne wartości w tablicy NumPy