numpy space生成序列数据

NumPy 提供了几个用于生成数字序列的函数，类似于 numpy.linspace。下面是几个常用的：

1. numpy.arange:
   这个函数返回给定间隔内的均匀间隔值。与 linspace 不同，arange 使用步长（而不是元素数量）来确定序列中的值。

   np.arange(start, stop, step)
   

   其中，start 是序列的起始值，stop 是序列的终止值（不包括），而 step 是两个值之间的间隔。

2. numpy.logspace:
   这个函数返回在对数刻度上均匀间隔的数字。用于创建等比数列，非常适合对数坐标轴。

   np.logspace(start, stop, num=50, base=10.0)
   

   这里，start 和 stop 是以给定基数的幂为界限的区间，num 是要生成

的样本数量，默认为50，而 base 是对数空间的底数，默认为10。

3. numpy.geomspace:
   该函数返回在对数刻度上均匀间隔的数字。与 logspace 类似，但是在 geomspace 中，你指定的是开始值和结束值，而不是它们的对数。

   np.geomspace(start, stop, num=50)
   

   这里，start 和 stop 是序列的起始和结束值，而 num 是要生成的样本数量，默认为50。

4. numpy.meshgrid:
   虽然不是直接生成数字序列的函数，meshgrid 函数经常用于生成多维网格上的点，通常在数据的网格化处理以及可视化中很有用。

   x = np.linspace(-5, 5, 100)
   y = np.linspace(-5, 5, 100)
   X, Y = np.meshgrid(x, y)
   

   X 和 Y 是两个二维数组，表示点在二维空间的 X 坐标和 Y 坐标。

5. numpy.mgrid / numpy.ogrid:
   这两个函数类似于 meshgrid，但它们是用来创建坐标网格的。mgrid 返回的是密集的多维“网格”，而 ogrid 返回的是开放的网格，它只有在你进行切片操作时才会扩展到一个完整的网格。这对于节省内存很有帮助。

   Y, X = np.mgrid[-5:5:100j, -5:5:100j]
   y, x = np.ogrid[-5:5:100j, -5:5:100j]
   

   在 mgrid 和 ogrid 中，使用复数步长 100j 表示我们想在这个区间内创建100个点。

这些函数在数据处理和科学计算中非常有用，特别是当你需要生成一系列数值进行数学运算或者数据可视化时。