如何减少列表与numpy数组转换，创建带线性细分的对数刻度？

原函数的问题在于频繁在列表和numpy数组之间来回转换，不仅冗余还容易引发类型混淆。下面是全程基于numpy操作的优化版本，彻底避免不必要的类型转换：

import numpy as np

def log_linsub(start, end):
    '''创建从10**start到10**end、带有线性细分的对数刻度'''
    # 生成1-9的基础刻度数组
    base = np.arange(1, 10)
    # 生成从start到end-1的指数序列
    exponents = np.arange(start, end)
    # 利用numpy广播直接计算所有细分值，得到形状为(9, end-start)的数组
    seq = base[:, None] * 10 ** exponents
    # 扁平化数组后，拼接上最终的10**end刻度
    return np.concatenate([seq.flatten(), [10**end]])

关键优化点： #

• 用np.arange直接生成numpy数组，替代range转数组的步骤
• 借助numpy广播机制，一次性计算所有数量级内的线性细分值，不需要用列表推导生成数组列表
• 全程保持numpy数组操作，用np.concatenate替代列表的append，彻底消除列表与数组的来回转换
• 最终直接返回numpy数组，无需额外类型转换

测试示例： #

调用log_linsub(0, 2)会返回：

array([  1,   2,   3,   4,   5,   6,   7,   8,   9,  10,  20,  30,  40,
        50,  60,  70,  80,  90, 100])

内容的提问来源于stack exchange，提问作者jomurmiranda