假设我有一个10000点的向量，我想取一个只有100个对数间隔点的切片。我想要一个函数给我一个索引的整数值。这是一个简单的解决方案，只需使用around+logspace，然后去掉重复项。
def genLogSpace( array_size, num ):
lspace = around(logspace(0,log10(array_size),num)).astype(uint64)
return array(sorted(set(lspace.tolist())))-1
ls=genLogspace(1e4,100)
print ls.size
>>84
print ls
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10,
11, 13, 14, 15, 17, 19, 21, 23, 25, 27, 30,
33, 37, 40, 44, 49, 54, 59, 65, 71, 78, 86,
94, 104, 114, 125, 137, 151, 166, 182, 200, 220, 241,
265, 291, 319, 350, 384, 422, 463, 508, 558, 613, 672,
738, 810, 889, 976, 1071, 1176, 1291, 1416, 1555, 1706, 1873,
2056, 2256, 2476, 2718, 2983, 3274, 3593, 3943, 4328, 4750, 5213,
5721, 6279, 6892, 7564, 8301, 9111, 9999], dtype=uint64)
注意有16个副本，所以现在我只有84分。
是否有人有一个能够有效地确保输出样本数为num的解决方案？对于这个特定的例子，num为121和122的输入值给出100个输出点。
最佳答案
这有点棘手。你不能总是得到对数间隔的数字。在您的示例中，第一部分是相当线性的。如果你同意的话，我有一个解决办法。但是对于解决方案，您应该理解为什么您有重复项。
对数刻度满足条件：
s[n+1]/s[n] = constant
让我们把这个常数称为
rforratio。对于n范围之间的这些数字，您将得到：1, r, r**2, r**3, ..., r**(n-1)=size
所以这给了你：
r = size ** (1/(n-1))
在您的情况下，
1...size和n=100，size=10000将是r，这意味着，如果您从~1.0974987654930561开始，您的下一个数字将是1然后再次四舍五入到1.0974987654930561。所以你的复制品。这个问题只针对少数人。在一个足够大的数字之后，乘以比率将得到一个不同的整数。记住这一点，您的最佳选择是将连续整数相加到某个点，这样与比率相乘就不再是问题了。然后可以继续使用对数比例。以下函数执行此操作：
import numpy as np
def gen_log_space(limit, n):
result = [1]
if n>1: # just a check to avoid ZeroDivisionError
ratio = (float(limit)/result[-1]) ** (1.0/(n-len(result)))
while len(result)<n:
next_value = result[-1]*ratio
if next_value - result[-1] >= 1:
# safe zone. next_value will be a different integer
result.append(next_value)
else:
# problem! same integer. we need to find next_value by artificially incrementing previous value
result.append(result[-1]+1)
# recalculate the ratio so that the remaining values will scale correctly
ratio = (float(limit)/result[-1]) ** (1.0/(n-len(result)))
# round, re-adjust to 0 indexing (i.e. minus 1) and return np.uint64 array
return np.array(list(map(lambda x: round(x)-1, result)), dtype=np.uint64)
python 3更新：python 2中的最后一行过去是
1下面是一些使用它的示例：
In [157]: x = gen_log_space(10000, 100)
In [158]: x.size
Out[158]: 100
In [159]: len(set(x))
Out[159]: 100
In [160]: y = gen_log_space(2000, 50)
In [161]: y.size
Out[161]: 50
In [162]: len(set(y))
Out[162]: 50
In [163]: y
Out[163]:
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 11,
13, 14, 17, 19, 22, 25, 29, 33, 38, 43, 49,
56, 65, 74, 84, 96, 110, 125, 143, 164, 187, 213,
243, 277, 316, 361, 412, 470, 536, 612, 698, 796, 908,
1035, 1181, 1347, 1537, 1753, 1999], dtype=uint64)
为了向您展示结果的对数性，这里是输出
return np.array(map(lambda x: round(x)-1, result), dtype=np.uint64)的半对数图（如您所见，左侧部分不是真正的对数）：关于python - 对数间隔的整数，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/12418234/