numpy.arange#

numpy.arange([start, ]stop, [step, ]dtype=None, *, device=None, like=None)#

在给定区间内返回等间隔的值。

arange 可以用不同数量的位置参数调用

  • arange(stop): 在半开区间 [0, stop) 内生成值（换句话说，包含 start 但不包含 stop 的区间）。

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

  • arange(start, stop, step): 在半开区间 [start, stop) 内生成值，相邻值之间的间隔由 step 指定。

对于整数参数，该函数大致等同于 Python 内置的 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

区间的开始。区间包含此值。默认的开始值为 0。

stop整数或实数

区间的结束。区间不包含此值，除非在某些 step 不是整数且浮点数舍入会影响 out 长度的情况下。

step整数或实数，可选

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

dtypedtype, optional

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

创建的数组所在的设备。默认为 None。仅用于 Array-API 互操作性，因此如果传递，必须是 "cpu"。

版本 2.0.0 中新增。

likearray_like, optional

用于创建非 NumPy 数组的引荐对象。如果传入的 like 支持 __array_function__ 协议，则结果将由它定义。在这种情况下，它确保创建与通过此参数传入的数组兼容的数组对象。

版本 1.20.0 中新增。

返回:
arangendarray

均匀分布值的数组。

对于浮点数参数，结果的长度为 ceil((stop - start)/step)。由于浮点数溢出，此规则可能导致 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。用于填充数组的实际步长值为 dtype(start + step) - dtype(start)，而不是 step。此处可能会发生精度损失，原因可能是由于类型转换，或者当 start 远大于 step 时使用浮点数。这可能导致意外行为。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的结果不正确。

>>> 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

均匀分布的数字，并仔细处理端点。

numpy.ogrid

N 维均匀分布的数字数组。

numpy.mgrid

N 维均匀分布数字的网格状数组。

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])
在此页面