1. 前言
所谓区间数组，是指数组元素的取值位于某个范围内，并且数组元素之间可能会呈现某种规律，比如等比数列、递增、递减等。
为了方便科学计算，Python NumPy 支持创建区间数组。
2. numpy.arange()
在 NumPy 中，您可以使用 arange() 来创建给定数值范围的数组，语法格式如下：
numpy.arange(start, stop, step, dtype)
参数说明见下表：
| 参数名称 | 参数说明 |
|---|---|
| start | 起始值，默认是 0。 |
| stop | 终止值，注意生成的数组元素值不包含终止值。 |
| step | 步长，默认为 1。 |
| dtype | 可选参数，指定 ndarray 数组的数据类型。 |
根据start与stop指定的范围以及step步长值，生成一个 ndarray 数组，示例如下。
import numpy as np x = np.arange(8) print (x)
输出结果如下所示：
[0 1 2 3 4 5 6 7]
设置 start 、stop 值以及步长，最终输出 0-10 中的奇数：
import numpy as np x = np.arange(1,10,2) print (x)
输出结果如下所示：
[1 3 5 7 9]
3. numpy.linspace()
表示在指定的数值区间内，返回均匀间隔的一维等差数组，默认均分 50 份，语法格式如下：
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
参数说明如下：
- start：代表数值区间的起始值；
- stop：代表数值区间的终止值；
- num：表示数值区间内要生成多少个均匀的样本。默认值为 50；
- endpoint：默认为 True，表示数列包含 stop 终止值，反之不包含；
- retstep：默认为 True，表示生成的数组中会显示公差项，反之不显示；
- dtype：代表数组元素值的数据类型。
示例如下：
import numpy as np #生成10个样本 a = np.linspace(1,10,10) print(a)
输出结果：
[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
下面示例是 endpoint 为 Fasle 时，此时不包含终止值：
import numpy as np
arr = np.linspace(10, 20, 5, endpoint = False)
print("数组数值范围 ：",arr)
输出结果如下：
数组数值范围 ： [10. 12. 14. 16. 18.]
retstep 参数使用示例如下：
import numpy as np x = np.linspace(1,2,5, retstep = True) print(x)
输出结果如下，其中 0.25 为等差数列的公差：
(array([1. , 1.25, 1.5 , 1.75, 2. ]), 0.25)
4. numpy.logspace
该函数同样返回一个 ndarray 数组，它用于创建等比数组，语法格式如下：
np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
其中 base 代表对数函数的底数，默认为 10，参数详细说明见下表：
| 参数名称 | 说明描述 |
|---|---|
| start | 序列的起始值：base**start。 |
| stop | 序列的终止值：base**stop。 |
| num | 数值范围区间内样本数量，默认为 50。 |
| endpoint | 默认为 True 包含终止值，反之不包含。 |
| base | 对数函数的 log 底数，默认为10。 |
| dtype | 可选参数，指定 ndarray 数组的数据类型。 |
使用示例如下：
import numpy as np a = np.logspace(1.0,2.0, num = 10) print (a)
输出结果：
[ 10. 12.91549665 16.68100537 21.5443469 27.82559402 35.93813664 46.41588834 59.94842503 77.42636827 100. ]
下面是 base = 2 的对数函数，示例如下：
import numpy as np a = np.logspace(1,10,num = 10, base = 2) print(a)
输出结果:
[ 2. 4. 8. 16. 32. 64. 128. 256. 512. 1024.]
标签：10,创建,stop,start,数组,numpy,np,NumPy From： https://www.cnblogs.com/jiajunling/p/16720444.html