numpy.ma.arange#

ma.arange([start, ]stop, [step, ]dtype=None, *, device=None, like=None) = <numpy.ma.core._convert2ma object>#

返回给定区间内的均匀间隔的值。

可以使用不同数量的位置参数调用 arange

  • arange(stop)：值在半开区间 [0, stop) 内生成（换句话说，区间包括 start 但不包括 stop）。

  • arange(start, stop)：值在半开区间 [start, stop) 内生成。

  • arange(start, stop, step) 值在半开区间 [start, stop) 内生成，值之间的间距由 step 给出。

对于整数参数，该函数大致等效于 Python 内置函数 range，但返回的是 ndarray 而不是 range 实例。

当使用非整数步长（如 0.1）时，通常最好使用 numpy.linspace。

有关更多信息，请参阅下面的“警告”部分。

参数:
start整数或实数，可选

间隔的开始。该间隔包括此值。默认起始值为 0。

stop整数或实数

间隔的结束。该间隔不包括此值，除非在某些情况下 step 不是整数并且浮点舍入会影响 out 的长度。

step整数或实数，可选

值之间的间距。对于任何输出 out，这是两个相邻值之间的距离，out[i+1] - out[i]。默认步长为 1。如果将 step 指定为位置参数，则还必须给出 start。

dtypedtype，可选

输出数组的类型。如果未给出 dtype，则从其他输入参数推断数据类型。

devicestr，可选

放置创建的数组的设备。默认值：None。仅用于 Array-API 互操作性，因此如果传递，则必须为 "cpu"。

版本 2.0.0 中的新功能。

likearray_like，可选

允许创建非 NumPy 数组的参考对象。如果作为 like 传入的类数组对象支持 __array_function__ 协议，则结果将由其定义。在这种情况下，它确保创建与通过此参数传入的对象兼容的数组对象。

版本 1.20.0 中的新功能。

返回:
arangeMaskedArray

均匀间隔的值的数组。

对于浮点数参数，结果的长度是 ceil((stop - start)/step)。由于浮点数溢出，这个规则可能导致 out 的最后一个元素大于 stop。

警告

输出的长度可能在数值上不稳定。

另一个稳定性问题是由于 numpy.arange 的内部实现造成的。用于填充数组的实际步长值是 dtype(start + step) - dtype(start)，而不是 step。这里可能会发生精度损失，由于类型转换或者当 start 比 step 大得多时使用浮点数。这可能导致意外的行为。例如

>>> np.arange(0, 5, 0.5, dtype=int)
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
>>> np.arange(-3, 3, 0.5, dtype=int)
array([-3, -2, -1,  0,  1,  2,  3,  4,  5,  6,  7,  8])

在这种情况下，应该优先使用 numpy.linspace。

内置的 range 生成 具有任意大小的 Python 内置整数，而 numpy.arange 生成 numpy.int32 或 numpy.int64 数字。这可能导致大整数值出现不正确的结果

>>> power = 40
>>> modulo = 10000
>>> x1 = [(n ** power) % modulo for n in range(8)]
>>> x2 = [(n ** power) % modulo for n in np.arange(8)]
>>> print(x1)
[0, 1, 7776, 8801, 6176, 625, 6576, 4001]  # correct
>>> print(x2)
[0, 1, 7776, 7185, 0, 5969, 4816, 3361]  # incorrect

另请参阅

numpy.linspace

均匀间隔的数字，并仔细处理端点。

numpy.ogrid

N 维中均匀间隔的数字数组。

numpy.mgrid

N 维中均匀间隔的数字的网格状数组。

如何创建具有规则间隔值的数组

示例

>>> import numpy as np
>>> np.arange(3)
array([0, 1, 2])
>>> np.arange(3.0)
array([ 0.,  1.,  2.])
>>> np.arange(3,7)
array([3, 4, 5, 6])
>>> np.arange(3,7,2)
array([3, 5])
本页内容