【Python-numpy】range()、np.arange()、np.linspace()、np.logspace()的使用和区别，list和array不同

【Python】range()、np.arange()、np.linspace()、np.logspace()的使用和区别_秋天-CSDN博客
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
下文链接：https://blog.csdn.net/duanlianvip/article/details/100102797
当然也有一些本人个人的理解，作为补充。

初学tensorflow,nump 工具包，经常遇到range()、np.arange()、np.linspace()、np.logspace()一系列的函数，并且这几个函数看起来还长的差不多，虽然实现的功能看起来挺相似，但是他们之间还是有很多的区别。

为了解决上述困惑，做个笔记，把这4个函数放到一起对比，以方便温故知新。

本期目录导航

一、range ([start:int]，stop:int，[step:int])
二、np.arange ([start=None], stop=None, [step=None], dtype=None)
三、np.linspace (start, stop, num=50, endpoint=True, retstep=False, dtype=None)
四、np.logspace (start, stop, num=50, endpoint=True, base=10.0, dtype=None)
五、list 与 numpy.ndarray区别
六、ndarray 和list 相互转换
七、python中的 list和array 的不同之处

一、range ([start:int]，stop:int，[step:int])

range()，从数值范围创建数组，

range()是Python自带的函数。
生成一个从start（包含）到stop（不包含），以step为步长的序列。返回一个list对象。
start默认值为0，选填；stop是必填；step默认值为1，选填。 start、stop、step均须为整型。
只能生成整型的序列。

从数值范围[a,b)创建数组，不加严谨地写作[start,stop)，即左闭右开的区间

程序验证：

二、np.arange ([start=None], stop=None, [step=None], dtype=None)

补充： numpy 包中的使用 arange 函数，从数值范围创建数组，并返回 ndarray 对象，函数格式如下：

numpy.arange(start, stop, step, dtype)

np.arange()属于numpy模块。
生成一个从start（包含）到stop（不包含），以step为步长的序列。返回一个ndarray对象。
可以生成整型、浮点型序列，毫无压力。
当step参数为非整数时（如step=0.1），结果往往不一致。对于这些情况，最好使用“linspace()”函数。

从数值范围[a,b)创建数组，不加严谨地写作[start,stop)，即左闭右开的区间

参数含义：

start：数值型，可选填。包含此值。默认为0。
stop：数值型，必填。不包含此值。除非step的值不是整数，浮点舍入会影响“out”的长度。
step：数值型，可选填。默认为1，如果步长有指定，则start必须给出来。
dtype：数据类型。输出的array数据类型。如果未指定dtype，则输出的array类型由其它的输入参数决定。
start、stop、step若任一个为浮点型，那么都会生成一个浮点型序列。

程序验证：

三、np.linspace (start, stop, num=50, endpoint=True, retstep=False, dtype=None)

numpy.linspace 函数用于创建一个一维数组，数组是一个等差数列构成的，格式如下：

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

指定在 start到stop的均分数值（等差数列）。
start：不可缺省。
stop：有时包含，有时不包含，根据endpoint来选择，默认包含。
num：指定均分的数量，默认为50。
endpoint：布尔值，可选，默认为True，默认包含。包含stop，就True，不包含就False。
retstep：布尔值，可选，默认为False。如果为True，返回值和步长
dtype：输出数据类型，可选。如果不指定，则根据前面参数的数据类型

程序验证：

四、np.logspace (start, stop, num=50, endpoint=True, base=10.0, dtype=None)

numpy.logspace 函数用于创建一个等比数列。格式如下：

np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

参数：

start：float类型，基底base的start次幂作为左边界
stop：float类型，基底base的stop次幂作为右边界
num：指定等比数值的数量，默认为50
endpoint：布尔值，可选，默认为True。包含stop就True，不包含就False
base：float类型，选填，基底
dtype：输出数据类型。

返回值：ndarray类型

logspace()函数，等价于如下代码：

y = np.linspace(start, stop, num=num, endpoint=endpoint)
power(base, y).astype(dtype)

程序验证：

五、list 与 numpy.ndarray区别

上述四个函数，range()返回值为list类型，其余为ndarray类型，看着差不多，这两种类型有什么区别呢？

python中的二维数组，主要有 list(列表) 和 numpy.ndarray(多维数组) 两种, 两种的区别主要体现在numpy.ndarray 支持更多的索引方式，下面通过代码来看一下两种数据类型索引方式的区别：

对a和b的元素进行访问：

两者区别：

报错：list indices must be integers or slices,not tuple
翻译：列表索引必须是整数或片,不是元组

可以看到numpy.ndarray 比list的访问方式更灵活.

六、ndarray 和list 相互转换

在处理数据时，可以通过np.array() 方便的将列表（list）转化为numpy.ndarray,
当然处理完后还可以通过tolist() 将ndarray再转回列表（list），从而方便删除或添加元素。

# list 转 numpynp.array(list1)# ndarray 转 listarray1.tolist()

演示：

参考：

http://www.mamicode.com/info-detail-2449535.html
https://blog.csdn.net/ui_shero/article/details/78881067
https://www.jianshu.com/p/f8e6a0a6399f

七、python中的 list和array 的不同之处

python 中 array 和 list 的区别 - https://zhuanlan.zhihu.com/p/261636002?utm_source=wechat_session

List：列表

python 中的 list 是 python 的内置数据类型，list 中的数据类型不必相同，
在 list 中保存的是数据的存放的地址，即指针，并非数据。

array：数组

array() 是 numpy 包中的一个函数，array 里的元素都是同一类型，数据类型要相同。

ndarray：多维数组

是一个多维的数组对象，具有矢量算术运算能力和复杂的广播能力，并具有执行速度快和节省空间的特点。

ndarray 的一个特点是同构：即其中所有元素的类型必须相同。