np.logspace: numpylogspace () fungsi dalam python – Codewithaden

Metode Numpy Logspace () digunakan untuk membuat array nilai -nilai berjarak merata antara dua angka pada skala logaritmik.

NP Logspace

Logspace () adalah fungsi perpustakaan numpy bawaan yang mengembalikan ruang angka secara merata untuk interval pada skala log. Misalnya, fungsi np.logspace () mengembalikan array numpy dari nilai -nilai jarak yang seragam pada skala log antara start dan stop (termasuk keduanya).

Sintaksis

numpy.logspace (start, stop, num = 50, endpoint = true, base = 10.0, dtype = none)  

Argumen

Mulailah: Dasar ** Mulailah adalah nilai awal dari urutan.

berhenti: Dasar ** berhenti adalah nilai akhir dari urutan kecuali titik akhir PALSU

Titik akhir: Itu adalah nilai boolean, dan jika itu benar, berhenti adalah sampel terakhir. Secara default, BENAR

num: Ini adalah jumlah sampel yang akan dihasilkan.

basis: Ini adalah dasar dari skala log. Secara default, itu sama dengan 10.0.

DTYPE: Ini adalah jenis array output.

Nilai pengembalian

Itu mengembalikan a ndarray yang merupakan beberapa sampel yang sama -sama berjarak pada skala log.

Contoh

Mari kita ambil beberapa contoh fungsi np.logspace () dengan argumen yang berbeda.

impor numpy sebagai np 

 # basis = 2 
 Print (np.logspace (1.0, 3.0, num = 5, base = 2)) 

 # num = 5 
 Print (np.logspace (2.0, 3.0, num = 5)) 

 # dType = int 
 Print (np.logspace (2.0, 5.0, num = 5, dtype = int))  

Keluaran

[2. 2.82842712 4. 5.65685425 8.] 
 [100. 177.827941 316.22776602 562.34132519 1000.] 
 [100 562 3162 17782 100000]  

Untuk membuat array angka yang sama -sama berjarak dalam python, gunakan np.logspace () fungsi.

impor numpy sebagai np 

 arr = np.logspace (1, 2, num = 8) 

 Cetak (ARR)  

Keluaran

[10. 13.89495494 19.30697729 26.82695795 37.2759372 51.79474679 71.9685673 100.]  

Menggunakan basis log yang berbeda

Secara default, log dasar adalah 10. Fungsi np.logspace () menggunakan 10 sebagai basis default untuk skala log. Kita dapat mengubah log melewati basis argumen.

impor numpy sebagai np 

 arr = np.logspace (1, 2, num = 4, base = 2) 

 Cetak (ARR)  

Keluaran

[2. 2.5198421 3.1748021 4.]  

Mari kita visualisasikan nilai -nilai yang sama menggunakan perpustakaan Matplot.

impor numpy sebagai np 
 Impor matplotlib.pyplot sebagai PLT 

 A = 20 
 a1 = np.logspace (0,4, 2, a, titik akhir = true) 
 a2 = np.logspace (0,4, 2, a, titik akhir = false) 
 b = np.zeros (a) 
 plt.plot (a1, b, 'o') 
 PLT.YLIM ([-0,5, 2]) 
 plt.show ()  

Keluaran

Anda dapat melihat bahwa nilai-nilai tumbuh lebih luas saat kami bergerak di sepanjang sumbu x. Ini karena nilai -nilai ini sama -sama berjarak pada skala log dan bukan skala linier yang kita lihat di atas.

Mari kita konversi nilai -nilai ini dengan konversi log dan kemudian plotnya.

impor numpy sebagai np 
 Impor matplotlib.pyplot sebagai PLT 

 x = np.logspace (1, 2, num = 8) 
 y = np.log10 (x) 
 z = np.zeros (8) 

 plt.plot (y, z, 'o') 
 plt.show ()  

Keluaran

Numpy.logspace()

Itu untuk tutorial ini.

Artikel ini berasal dari website Winpoin, dan kemudian diterjemahkan ke bahasa indonesia, baca artikel asli disini

Leave a Reply

Your email address will not be published. Required fields are marked *