Numpy的arange()函数指南

简介

Numpy是最流行的数学计算Python库。它提供了大量的数学工具，包括但不限于多维数组和矩阵、数学函数、数字生成器，以及更多。

NumPy的基本工具之一是ndarray - 一个N维的数组。今天，我们将创建 阵列，使用NumPy.arange() 函数在某些范围内生成。

参数和返回

numpy.arange([start, ]stop, [step, ]dtype=None)

返回一个给定区间内的均匀间隔的数值，其中。

• start是一个数字（整数或实数），是数组的起始点。它是可选的。
• stop是一个数字（整数或实数），是数组的结束点，不包括在其中。
• step是一个数字，用于设置数组中连续数值之间的间隔。它是可选的，默认为1。
• dtype是数组元素的输出类型。默认情况下是无。

该方法返回一个ndarray 的均匀间隔的值。如果数组返回浮点元素，那么数组的长度将是ceil((stop - start)/step) 。

*np.range()*的例子

导入NumPy

为了开始使用NumPy，我们需要导入它，因为它是一个外部库。

import NumPy as np

如果没有安装，你可以通过pip 轻松地安装它。

$ pip install numpy

所有参数np.range()

让我们看看arange() ，该函数的所有参数是如何工作的。例如，假设我们想要一个序列从0开始，在10处停止，步长为3，同时产生整数。

在Python环境下，或者说REPL，让我们在一个范围内生成一个序列。

>>> result_array = np.arange(start=0, stop=10, step=2, dtype=int)

array 是一个包含生成元素的ndarray 。

>>> result_array
array([0, 2, 4, 6, 8])

值得注意的是，stop 元素没有包括在内，而start 元素包括在内，因此我们有一个0 ，但没有一个10 ，尽管序列中的下一个元素应该是一个10 。

注意：像往常一样，你可以提供位置参数，而不用命名它们或命名参数。

array = np.arange(start=0, stop=10, step=2, dtype=int)
# These two statements are the same
array = np.arange(0, 10, 2, int)

为了简洁起见，经常使用后者，而且这些参数的位置必须遵循start,stop,step 和dtype 的顺序。

np.arrange()带停止

如果只提供一个参数，它将被视为stop 。它将输出所有的数字，直到但不包括stop ，默认的步骤是1 ，start ，0 。

>>> result_array = np.arange(5)
>>> result_array
array([0, 1, 2, 3, 4])

np.range()带有start和stop

有两个参数，它们默认为start 和stop ，默认的step 为1 - 所以你可以很容易地创建一个特定的范围，而不用考虑步长的问题。

>>> result_array = np.arange(5, 10)
>>> result_array
array([5, 6, 7, 8, 9])

像以前的例子一样，你也可以在这里使用浮点数而不是整数。例如，我们可以从5.5开始。

>>> result_array = np.arange(5.5, 11.75)

得到的数组将是。

>>> result_array
array([ 5.5,  6.5,  7.5,  8.5,  9.5, 10.5, 11.5])

np.range()，带有start、stop和step

默认的dtype 是None ，在这种情况下，ints被使用，所以有一个基于整数的范围很容易用start,stop 和step 来创建。例如，让我们生成一个6 （包括）和22 （不包括）之间所有偶数的序列。

>>> result_array = np.arange(6, 22, 2)

其结果将是6到22之间的所有偶数，但不包括22。

>>> result_array
array([ 6,  8, 10, 12, 14, 16, 18, 20])

*np.range()*用于反转区间

我们也可以在np.arange() 函数中传入负数参数来得到一个反转的数字数组。

start 将是我们要开始计数的较大的数字，stop 将是较小的数字，而步骤将是一个负数。

result_array = np.arange(start=30,stop=14, step=-3)

结果将是一个负数步长为3的降序数组。

>>> result_array
array([30, 27, 24, 21, 18, 15])

用*np.range()*创建空的NDArrays

我们也可以创建一个空的range，如下所示。

>>> result_array = np.arange(0)

其结果将是一个空数组。

>>> result_array
array([], dtype=int32)

发生这种情况是因为0 是我们设置的stop ，而起始值默认也是0 。所以，计数在开始之前就停止了。

另一种情况是，当起始值高于停止值，而步长为正时，结果将是一个空数组。比如说。

>>> result_array = np.arange(start=30, stop=10, step=1)

结果也将是一个空数组。

>>> result_array
array([], dtype=int32)

这种情况也可以反过来发生。我们可以从一个小的数字开始，在一个较大的数字上停止，并且step 为一个负数。输出也将是一个空数组。

>>> result_array = np.arange(start=10, stop=30, step=-1)

这也会导致一个空的ndarray 。

>>> result_array
array([], dtype=int32)

np.range()的支持数据类型

dtype 参数，默认为int ，可以是任何有效的NumPy数据类型。

**注意：**但这不能与标准的Python数据类型相混淆。

你可以对一些更常见的数据类型使用速记版本，或者使用全称，前缀为np. 。

np.arange(..., dtype=int)
np.arange(..., dtype=np.int32)
np.arange(..., dtype=np.int64)

对于其他一些数据类型，例如np.csignle ，你可以在类型前加上np. 。

>>> result_array = np.arange(start=10, stop=30, step=1, dtype=np.csingle)
>>> result_array
array([10.+0.j, 11.+0.j, 12.+0.j, 13.+0.j, 14.+0.j, 15.+0.j, 16.+0.j,
       17.+0.j, 18.+0.j, 19.+0.j, 20.+0.j, 21.+0.j, 22.+0.j, 23.+0.j,
       24.+0.j, 25.+0.j, 26.+0.j, 27.+0.j, 28.+0.j, 29.+0.j],
      dtype=complex64)

一个常见的简短的数据类型是float 。

>>> result_array = np.arange(start=10, stop=30, step=1, dtype=float)
>>> result_array
array([10., 11., 12., 13., 14., 15., 16., 17., 18., 19., 20., 21., 22.,
       23., 24., 25., 26., 27., 28., 29.])

关于所有支持的NumPy数据类型的列表，请看官方文档。

np.range()vsnp.linspace()

np.linspace() 在返回均匀间隔的数组方面与 相似。然而，有几个不同之处。np.arange()

使用np.linspace() ，你指定某个范围内的样本数，而不是指定步长。此外，你可以在返回的数组中包括端点。另一个区别是，np.linspace() 可以生成多个数组，而不是只返回一个数组。

这是一个简单的例子，np.linspace() ，包括端点和5个样本。

>>> result_array = np.linspace(0, 20, num=5, endpoint=True)
>>> result_array
array([ 0.,  5., 10., 15., 20.])

这里，样本数和步长都是5 ，但这是巧合。

>>> result_array = np.linspace(0, 20, num=2, endpoint=True)
>>> result_array
array([ 0., 20.])

在这里，我们在0和20之间做了两个点，所以它们自然相隔20步。你也可以把endpoint 到False 和 np.linspace()will behave more likenp.range()`，因为它不包括最后的元素。

>>> result_array = np.linspace(0, 20, num=5, endpoint=False)
>>> result_array
array([ 0.,  4.,  8., 12., 16.])

np.range()与内置range()对比

Python 的内置range() 函数和np.arange() 有很多相似之处，但也有细微的差别。在下面的章节中，我们将强调它们之间的一些相同点和不同点。

参数和返回

主要的相似之处是它们都有一个start ，stop ，和step 。此外，它们都是start ，并且stop ，默认的step ，1 。

然而。

• np.range()

1. 可以处理多种数据类型，包括浮点数和复数
2. 返回一个ndarray
3. 数组在内存中被完全创建

• 范围()

1. 只能处理整数
2. 返回一个range 对象
3. 根据需要生成数字

效率和速度

np.arange() 和内置的range() 函数在速度和效率上有一些区别。范围函数是按需生成数字，而不是在内存中预先创建它们。

如果你知道你会在这个范围内的某个地方出现问题，这有助于加快程序的进行。比如说。

for i in range(100000000):
    if i == some_number:
        break

这将消耗较少的内存，因为不是所有的数字都提前创建。这也使得ndarrays ，最初构建的速度较慢。

然而，如果你仍然需要内存中的整个数字范围，那么当整个数字范围出现时，np.arange() ，在它们被构建后，明显比range() 快。

例如，如果我们只是对它们进行迭代，由于前期成本较高，创建数组的时间使得np.arange() 的性能较慢。

$ python -m timeit "for i in range(100000): pass"
200 loops, best of 5: 1.13 msec per loop

$ python -m timeit "import numpy as np" "for i in np.arange(100000): pass"
100 loops, best of 5: 3.83 msec per loop

结论

本指南旨在帮助你了解np.arange() 函数的工作原理以及如何生成数字序列。

下面是对我们刚才所讲内容的一个简单回顾。

1. np.arange() 有4个参数。
   • start是一个数字（整数或实数），是数组的起始点。它是可选的。
   • stop是一个数字（整数或实数），是数组的结束点，不包括在其中。
   • step是一个数字，用于设置数组中连续数值之间的间隔。它是可选的，默认为1。
   • dtype是数组元素的输出类型。默认情况下是None 。
2. 你可以在range中使用多种dtype，包括ints, floats, 和复数。
3. 你可以通过将较大的数字作为开始，较小的数字作为停止，并将步长作为一个负数来生成反向范围。
4. np.linspace() 在生成数字范围方面与 相似，但不同的是包括包括端点的能力，以及生成一个np.arange() 样本数而不是步长，后者是根据样本数计算的。
5. np.arange() 当你需要创建整个数组的时候，summary比range更有效。然而，如果你知道在循环时你会在某个地方中断，那么range就更好。