تابع linspace در numpy

این تابع اعدادی با فاصله مساوی را در یک بازه زمانی مشخص برمی گرداند.

سینتکس

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)

نقطه پایانی بازه به صورت اختیاری می تواند از دنباله حذف شود.

Parameters:

start نوع: array_like

نقطه شروع بازه دنباله عددی

stop نوع: array_like

نقطه پایان بازه دنباله عددی، مگر اینکه endpoint روی False تنظیم شده باشد. که در آن صورت، دنباله عددی به num + 1 قسمت تقسیم می شود و دنباله شامل خود نقطه stop نمی شود.

num نوع: int، اختیاری

تعداد اعداد دنباله که به صورت پیش فرض 50 است و باید غیر منفی باشد.

endpoint نوع: bool، اختیاری

اگر True بود، مقدار stop آخرین مقدار در دنباله است و در غیر اینصورت دنباله شامل نقطه stop نمی شود. پیش فرض آن True است.

retstep نوع: bool، اختیاری

اگر True بود، علاوه بر نقاط، گام بین نقاط را نیز برمیگرداند. به شکل یک تاپل ( نقطه‌ها، گام )، که در آن گام همان فاصله بین نقطه‌ها است.

dtype نوع: dtype، اختیاری

نوع داده آرایه خروجی. اگر مقداری برای dtype داده نشده باشد، نوع داده از start و stop استنباط می شود . dtype استنباط شده هرگز یک عدد صحیح نخواهد بود و float انتخاب خواهد شد حتی اگر آرگومان ها آرایه ای از اعداد صحیح را تولید کنند.

axis نوع: int، اختیاری

axis یکی دیگر از پارامترهای اختیاری است که نشان دهنده محوری است که اعداد باید در امتداد آن ذخیره شوند. فقط زمانی معنی پیدا می کند که مقادیر start و stop خود آرایه باشند.

samples نوع: ndarray

اعدادی با فاصله مساوی در بازه بسته [start, stop] یا بازه نیمه باز [start, stop) (بسته به True یا False بودن endpoint ) وجود دارد.

step نوع: float، اختیاری

اندازه فاصله بین نقطه ها. فقط در صورتی برگردانده می شود که retstep برابر با True باشد

 

مثال ها

np.linspace(2.0, 3.0, num=5)
#array([2.  , 2.25, 2.5 , 2.75, 3.  ])
np.linspace(2.0, 3.0, num=5, endpoint=False)
#array([2. ,  2.2,  2.4,  2.6,  2.8])
np.linspace(2.0, 3.0, num=5, retstep=True)
#(array([2.  ,  2.25,  2.5 ,  2.75,  3.  ]), 0.25)

تصویر گرافیکی:

import matplotlib.pyplot as plt
N = 8
y = np.zeros(N)
x1 = np.linspace(0, 10, N, endpoint=True)
x2 = np.linspace(0, 10, N, endpoint=False)
plt.plot(x1, y, 'o')
#[]
plt.plot(x2, y + 0.5, 'o')
#[]
plt.ylim([-0.5, 1])
#(-0.5, 1)
plt.show()