Python numpy ma.arange用法及代碼示例

本文簡要介紹 python 語言中 numpy.ma.arange 的用法。

用法:

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

在給定的間隔內返回均勻間隔的值。

值在半開區間內生成[start, stop)(換句話說，區間包括開始但不包括停止)。對於整數參數，該函數等效於 Python 內置範圍函數，但返回一個 ndarray 而不是一個列表。

使用非整數步長(例如 0.1)時，通常最好使用 numpy.linspace 。有關詳細信息，請參閱下麵的警告部分。

參數：

start： 整數或實數，可選

間隔開始。間隔包括此值。默認起始值為 0。

stop： 整數或實數

間隔結束。間隔不包括此值，除非在某些情況下 step 不是整數並且浮點舍入會影響 out 的長度。

step： 整數或實數，可選

值之間的間距。對於任何輸出out，這是兩個相鄰值之間的距離，out[i+1] - out[i].默認步長為 1。如果步被指定為位置參數，開始也必須給予。

dtype： 類型

輸出數組的類型。如果未給出 dtype ，則從其他輸入參數推斷數據類型。

like： array_like

允許創建非 NumPy 數組的引用對象。如果作為 like 傳入的類似數組支持 __array_function__ 協議，則結果將由它定義。在這種情況下，它確保創建一個與通過此參數傳入的數組對象兼容的數組對象。

返回：

arange： MaskedArray

均勻間隔值的數組。

對於浮點參數，結果的長度是ceil((stop - start)/step).由於浮點溢出，這條規則可能導致最後一個元素out大於停止.

警告

輸出的長度可能在數值上不穩定。

另一個穩定性問題是由於內部實現numpy.arange.用於填充數組的實際步長 值為dtype(start + step) - dtype(start)並不是步.由於強製轉換或使用浮點數，此處可能會發生精度損失開始遠大於步.這可能導致意外行為。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])

在這種情況下，應該首選使用 numpy.linspace 。

例子：

>>> 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])