近期在调试深度学习相关的代码时，经常隔三差五遇到range()、np.arange()、np.linspace()、np.logspace()一系列的函数，每次遇到后，当时貌似理解了，但是过段时间又忘了，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细微的区别。
毫不夸张的说，每次见到，每次好像都懂，但是呢，每次貌似又不确定，每次还是懵的、大脑还是混淆的。
为了一劳永逸的解决上述困惑，做个笔记，把这4个函数放到一起对比，以方便温故知新。
一、range([start:int]，stop:int，[step:int])
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。
程序验证：
当参数为非整型时，会报错：
二、np.arange([start=None], stop=None, [step=None], dtype=None)
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。
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)
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。包含stop就True，不包含就Falseretstep：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)
返回一个等比数列。
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50endpoint：布尔值，可选，默认为True。包含stop就True，不包含就Falsebase：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：
可以看到numpy.ndarray 比list的访问方式更灵活，因此在处理数据时，可以通过np.array()方便的将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，从而方便删除或添加元素。
参考：
http://www.mamicode.com/info-detail-2449535.htmlhttps://blog.csdn.net/ui_shero/article/details/78881067https://www.jianshu.com/p/f8e6a0a6399f