La funzione logspace()

La funzione logspace() di numpy mi permette di creare un array composto da una serie di elementi tra due estremi con intervallo su scala logaritmica.

logspace(start,stop,num,endpoint,base)

La funzione ha due parametri obbligatori e altri opzionali

  • start è l'esponente iniziale.
  • stop è l'esponente finale.
  • num è il numero degli elementi del vettore. E' opzionale. Di default è num=50.
  • endpoint include l'estremo finale nella serie se true (default). Viceversa, lo esclude se è false. E' un parametro opzionale. Di default è true.
  • base è la base di riferimento. E' opzionale. Di default è 10.

La differenza tra logspace e geomspace. Una funzione alternativa a logspace() è geomspace(). Mentre logspace genera un array tra due esponenti e una base considerata, la funzione geomspace genera un array scala logaritmica tra due numeri scalari. Ad esempio, scrivere geomspace(10, 100) e logspace(1,2) è la stessa cosa perché 101=10 e 102=100.

    Un esempio pratico

    Esempio 1

    Creo un vettore composto da 50 elementi con logspace.

    import numpy as np
    y=np.logspace(1,2)

    La funzione crea un array con 50 elementi (default) tra l'estremo iniziale 101 e l'estremo finale 102.

    >>> y
    array([ 10. , 11.28837892, 12.74274986, 14.38449888,
    16.23776739, 18.32980711, 20.69138081, 23.35721469,
    26.36650899, 29.76351442, 33.59818286, 37.92690191,
    42.81332399, 48.32930239, 54.55594781, 61.58482111,
    69.51927962, 78.47599704, 88.58667904, 100. ])

    La distanza tra un elemento e il suo successore cambia su scala logarimica.

    In questo caso è crescente.

    l'intervallo tra un elemento e il suo successore è crescente

    Esempio 2

    Creo un vettore composto da 20 elementi su base 2.

    import numpy as np
    y=np.logspace(1,2,num=20,base=2)

    La funzione crea un array con 20 elementi tra 21 e 22.

    >>> y
    array([2. , 2.07431009, 2.15138117, 2.23131584, 2.31422047,
    2.40020544, 2.48938518, 2.5818784 , 2.6778082 , 2.77730229,
    2.88049308, 2.98751792, 3.09851928, 3.21364491, 3.33304803,
    3.45688757, 3.58532838, 3.71854142, 3.85670399, 4. ])

    E così via.

     


     

    Segnalami un errore, un refuso o un suggerimento per migliorare gli appunti

    FacebookTwitterLinkedinLinkedin
    knowledge base

    Numpy

    I metodi e le funzioni