fume-manage-python.git

U  
O±dlMã@sèddlZddlZddlZddlZddlmZddlmZmZm    Z    m
Z
ddlmZddl mZddd    gZejejd
dZddd Zeed ddZd!ddZeed"ddZd#ddZeed$dd    ZddZddZd%ddZdS)&éNé)Únumeric)Úresult_typeÚNaNÚ
asanyarrayÚndim)Ú add_docstring)Ú    overridesÚlogspaceÚlinspaceÚ    geomspaceÚnumpy)ÚmodulecCs||fS©N©)ÚstartÚstopÚnumÚendpointÚretstepÚdtypeÚaxisrrúOd:\z\workplace\vscode\pyvenv\venv\Lib\site-packages\numpy/core/function_base.pyÚ_linspace_dispatchersré2TFcCst |¡}|dkrtd||r*|dn|}t|d}t|d}t||t|}|dkrh|}d}    nt |tj¡}    ||}
tj    d||d 
dd    t|
¡}|dkrt |
¡}|
|} |rÈ| dknt | dk¡  ¡}|rþ||}|rô||
9}n||
}n|r|| 9}n|| }nt} ||
}||7}|rD|dkrD||d
<|dkr\t |d|¡}|    rptj||d|r|j|dd| fS|j|ddSdS) aN 
    Return evenly spaced numbers over a specified interval.
 
    Returns `num` evenly spaced samples, calculated over the
    interval [`start`, `stop`].
 
    The endpoint of the interval can optionally be excluded.
 
    .. versionchanged:: 1.16.0
        Non-scalar `start` and `stop` are now supported.
 
    .. versionchanged:: 1.20.0
        Values are rounded towards ``-inf`` instead of ``0`` when an
        integer ``dtype`` is specified. The old behavior can
        still be obtained with ``np.linspace(start, stop, num).astype(int)``
 
    Parameters
    ----------
    start : array_like
        The starting value of the sequence.
    stop : array_like
        The end value of the sequence, unless `endpoint` is set to False.
        In that case, the sequence consists of all but the last of ``num + 1``
        evenly spaced samples, so that `stop` is excluded.  Note that the step
        size changes when `endpoint` is False.
    num : int, optional
        Number of samples to generate. Default is 50. Must be non-negative.
    endpoint : bool, optional
        If True, `stop` is the last sample. Otherwise, it is not included.
        Default is True.
    retstep : bool, optional
        If True, return (`samples`, `step`), where `step` is the spacing
        between samples.
    dtype : dtype, optional
        The type of the output array.  If `dtype` is not given, the data type
        is inferred from `start` and `stop`. The inferred dtype will never be
        an integer; `float` is chosen even if the arguments would produce an
        array of integers.
 
        .. versionadded:: 1.9.0
 
    axis : int, optional
        The axis in the result to store the samples.  Relevant only if start
        or stop are array-like.  By default (0), the samples will be along a
        new axis inserted at the beginning. Use -1 to get an axis at the end.
 
        .. versionadded:: 1.16.0
 
    Returns
    -------
    samples : ndarray
        There are `num` equally spaced samples in the closed interval
        ``[start, stop]`` or the half-open interval ``[start, stop)``
        (depending on whether `endpoint` is True or False).
    step : float, optional
        Only returned if `retstep` is True
 
        Size of spacing between samples.
 
 
    See Also
    --------
    arange : Similar to `linspace`, but uses a step size (instead of the
             number of samples).
    geomspace : Similar to `linspace`, but with numbers spaced evenly on a log
                scale (a geometric progression).
    logspace : Similar to `geomspace`, but with the end points specified as
               logarithms.
    :ref:`how-to-partition`
 
    Examples
    --------
    >>> np.linspace(2.0, 3.0, num=5)
    array([2.  , 2.25, 2.5 , 2.75, 3.  ])
    >>> np.linspace(2.0, 3.0, num=5, endpoint=False)
    array([2. ,  2.2,  2.4,  2.6,  2.8])
    >>> np.linspace(2.0, 3.0, num=5, retstep=True)
    (array([2.  ,  2.25,  2.5 ,  2.75,  3.  ]), 0.25)
 
    Graphical illustration:
 
    >>> import matplotlib.pyplot as plt
    >>> N = 8
    >>> y = np.zeros(N)
    >>> x1 = np.linspace(0, 10, N, endpoint=True)
    >>> x2 = np.linspace(0, 10, N, endpoint=False)
    >>> plt.plot(x1, y, 'o')
    [<matplotlib.lines.Line2D object at 0x...>]
    >>> plt.plot(x2, y + 0.5, 'o')
    [<matplotlib.lines.Line2D object at 0x...>]
    >>> plt.ylim([-0.5, 1])
    (-0.5, 1)
    >>> plt.show()
 
    rz,Number of samples, %s, must be non-negative.rgð?NF)r)éÿÿÿÿ)rr)Úout©Úcopy)ÚoperatorÚindexÚ
ValueErrorrrÚfloatÚ_nxÚ
issubdtypeÚintegerZarangeZreshaperZisscalarÚanyrÚmoveaxisÚfloorÚastype)rrrrrrrÚdivÚdtZ integer_dtypeÚdeltaÚyZ _mult_inplaceÚstepZ any_step_zerorrrrsLb
"
 
ÿ
 
 
 
 
cCs||fSrr)rrrrÚbaserrrrrÚ_logspace_dispatcher¸sr0ç$@cCs<t|||||d}|dkr&t ||¡St ||¡j|ddS)aÑ
    Return numbers spaced evenly on a log scale.
 
    In linear space, the sequence starts at ``base ** start``
    (`base` to the power of `start`) and ends with ``base ** stop``
    (see `endpoint` below).
 
    .. versionchanged:: 1.16.0
        Non-scalar `start` and `stop` are now supported.
 
    Parameters
    ----------
    start : array_like
        ``base ** start`` is the starting value of the sequence.
    stop : array_like
        ``base ** stop`` is the final value of the sequence, unless `endpoint`
        is False.  In that case, ``num + 1`` values are spaced over the
        interval in log-space, of which all but the last (a sequence of
        length `num`) are returned.
    num : integer, optional
        Number of samples to generate.  Default is 50.
    endpoint : boolean, optional
        If true, `stop` is the last sample. Otherwise, it is not included.
        Default is True.
    base : array_like, optional
        The base of the log space. The step size between the elements in
        ``ln(samples) / ln(base)`` (or ``log_base(samples)``) is uniform.
        Default is 10.0.
    dtype : dtype
        The type of the output array.  If `dtype` is not given, the data type
        is inferred from `start` and `stop`. The inferred type will never be
        an integer; `float` is chosen even if the arguments would produce an
        array of integers.
    axis : int, optional
        The axis in the result to store the samples.  Relevant only if start
        or stop are array-like.  By default (0), the samples will be along a
        new axis inserted at the beginning. Use -1 to get an axis at the end.
 
        .. versionadded:: 1.16.0
 
 
    Returns
    -------
    samples : ndarray
        `num` samples, equally spaced on a log scale.
 
    See Also
    --------
    arange : Similar to linspace, with the step size specified instead of the
             number of samples. Note that, when used with a float endpoint, the
             endpoint may or may not be included.
    linspace : Similar to logspace, but with the samples uniformly distributed
               in linear space, instead of log space.
    geomspace : Similar to logspace, but with endpoints specified directly.
    :ref:`how-to-partition`
 
    Notes
    -----
    Logspace is equivalent to the code
 
    >>> y = np.linspace(start, stop, num=num, endpoint=endpoint)
    ... # doctest: +SKIP
    >>> power(base, y).astype(dtype)
    ... # doctest: +SKIP
 
    Examples
    --------
    >>> np.logspace(2.0, 3.0, num=4)
    array([ 100.        ,  215.443469  ,  464.15888336, 1000.        ])
    >>> np.logspace(2.0, 3.0, num=4, endpoint=False)
    array([100.        ,  177.827941  ,  316.22776602,  562.34132519])
    >>> np.logspace(2.0, 3.0, num=4, base=2.0)
    array([4.        ,  5.0396842 ,  6.34960421,  8.        ])
 
    Graphical illustration:
 
    >>> import matplotlib.pyplot as plt
    >>> N = 10
    >>> x1 = np.logspace(0.1, 1, N, endpoint=True)
    >>> x2 = np.logspace(0.1, 1, N, endpoint=False)
    >>> y = np.zeros(N)
    >>> plt.plot(x1, y, 'o')
    [<matplotlib.lines.Line2D object at 0x...>]
    >>> plt.plot(x2, y + 0.5, 'o')
    [<matplotlib.lines.Line2D object at 0x...>]
    >>> plt.ylim([-0.5, 1])
    (-0.5, 1)
    >>> plt.show()
 
    )rrrNFr)rr#Úpowerr))rrrrr/rrr-rrrr
½s]cCs||fSrr)rrrrrrrrrÚ_geomspace_dispatcher sr3c CsÀt|}t|}t |dk¡s,t |dk¡r4tdt||t|t d|¡}|dkr\|}n
t |¡}|j|dd}|j|dd}t     t 
||¡j|¡}t |tj ¡rè|jdk|jdk@}t |¡rè||j||<||j||<d||<t |¡d    kt |¡d    k@}    t |    ¡r@tj|||    d
tj|||    d
tj|||    d
t |¡}
t |¡}t|
|||d|d}|dkr||d<|d kr|r||d    <||}|dkr²t |d|¡}|j|ddS)a 
    Return numbers spaced evenly on a log scale (a geometric progression).
 
    This is similar to `logspace`, but with endpoints specified directly.
    Each output sample is a constant multiple of the previous.
 
    .. versionchanged:: 1.16.0
        Non-scalar `start` and `stop` are now supported.
 
    Parameters
    ----------
    start : array_like
        The starting value of the sequence.
    stop : array_like
        The final value of the sequence, unless `endpoint` is False.
        In that case, ``num + 1`` values are spaced over the
        interval in log-space, of which all but the last (a sequence of
        length `num`) are returned.
    num : integer, optional
        Number of samples to generate.  Default is 50.
    endpoint : boolean, optional
        If true, `stop` is the last sample. Otherwise, it is not included.
        Default is True.
    dtype : dtype
        The type of the output array.  If `dtype` is not given, the data type
        is inferred from `start` and `stop`. The inferred dtype will never be
        an integer; `float` is chosen even if the arguments would produce an
        array of integers.
    axis : int, optional
        The axis in the result to store the samples.  Relevant only if start
        or stop are array-like.  By default (0), the samples will be along a
        new axis inserted at the beginning. Use -1 to get an axis at the end.
 
        .. versionadded:: 1.16.0
 
    Returns
    -------
    samples : ndarray
        `num` samples, equally spaced on a log scale.
 
    See Also
    --------
    logspace : Similar to geomspace, but with endpoints specified using log
               and base.
    linspace : Similar to geomspace, but with arithmetic instead of geometric
               progression.
    arange : Similar to linspace, with the step size specified instead of the
             number of samples.
    :ref:`how-to-partition`
 
    Notes
    -----
    If the inputs or dtype are complex, the output will follow a logarithmic
    spiral in the complex plane.  (There are an infinite number of spirals
    passing through two points; the output will follow the shortest such path.)
 
    Examples
    --------
    >>> np.geomspace(1, 1000, num=4)
    array([    1.,    10.,   100.,  1000.])
    >>> np.geomspace(1, 1000, num=3, endpoint=False)
    array([   1.,   10.,  100.])
    >>> np.geomspace(1, 1000, num=4, endpoint=False)
    array([   1.        ,    5.62341325,   31.6227766 ,  177.827941  ])
    >>> np.geomspace(1, 256, num=9)
    array([   1.,    2.,    4.,    8.,   16.,   32.,   64.,  128.,  256.])
 
    Note that the above may not produce exact integers:
 
    >>> np.geomspace(1, 256, num=9, dtype=int)
    array([  1,   2,   4,   7,  16,  32,  63, 127, 256])
    >>> np.around(np.geomspace(1, 256, num=9)).astype(int)
    array([  1,   2,   4,   8,  16,  32,  64, 128, 256])
 
    Negative, decreasing, and complex inputs are allowed:
 
    >>> np.geomspace(1000, 1, num=4)
    array([1000.,  100.,   10.,    1.])
    >>> np.geomspace(-1000, -1, num=4)
    array([-1000.,  -100.,   -10.,    -1.])
    >>> np.geomspace(1j, 1000j, num=4)  # Straight line
    array([0.   +1.j, 0.  +10.j, 0. +100.j, 0.+1000.j])
    >>> np.geomspace(-1+0j, 1+0j, num=5)  # Circle
    array([-1.00000000e+00+1.22464680e-16j, -7.07106781e-01+7.07106781e-01j,
            6.12323400e-17+1.00000000e+00j,  7.07106781e-01+7.07106781e-01j,
            1.00000000e+00+0.00000000e+00j])
 
    Graphical illustration of `endpoint` parameter:
 
    >>> import matplotlib.pyplot as plt
    >>> N = 10
    >>> y = np.zeros(N)
    >>> plt.semilogx(np.geomspace(1, 1000, N, endpoint=True), y + 1, 'o')
    [<matplotlib.lines.Line2D object at 0x...>]
    >>> plt.semilogx(np.geomspace(1, 1000, N, endpoint=False), y + 2, 'o')
    [<matplotlib.lines.Line2D object at 0x...>]
    >>> plt.axis([0.5, 2000, 0, 3])
    [0.5, 2000, 0, 3]
    >>> plt.grid(True, color='0.7', linestyle='-', which='both', axis='both')
    >>> plt.show()
 
    rz&Geometric sequence cannot include zerorNTrgyð?r)rÚwherer1)rrr/rrF)rr#r&r!rr"Úzerosrr)ZonesÚ    broadcastÚshaper$ZcomplexfloatingÚrealÚimagÚsignÚnegativeÚlog10r
r') rrrrrrr+Zout_signZall_imagZ both_negativeZ    log_startZlog_stopÚresultrrrr%sJh
 
 
 
ÿ
 
cCs8d}t|tjtjtfrdSt|tr4|j|@r4dSdS)z¬
    Returns true if the only way to set the docstring of `obj` from python is
    via add_docstring.
 
    This function errs on the side of being overly conservative.
    iFT)Ú
isinstanceÚtypesÚFunctionTypeÚ
MethodTypeÚpropertyÚtypeÚ    __flags__)ÚobjZPy_TPFLAGS_HEAPTYPErrrÚ_needs_add_docstringÃsrFcCsJ|r"t|s"tjd |¡tddzt||Wntk
rDYnXdS)Nz[add_newdoc was used on a pure-python object {}. Prefer to attach it directly to the source.é)Ú
stacklevel)rFÚwarningsÚwarnÚformatÚUserWarningrÚ    Exception)rEÚdocÚwarn_on_pythonrrrÚ_add_docstringÕsþûrPcCstt|ti|g|}t|tr4t|| ¡|nXt|tr^|\}}tt||| ¡|n.t|tr|D]\}}tt||| ¡|qldS)a
    Add documentation to an existing object, typically one defined in C
 
    The purpose is to allow easier editing of the docstrings without requiring
    a re-compile. This exists primarily for internal use within numpy itself.
 
    Parameters
    ----------
    place : str
        The absolute name of the module to import from
    obj : str
        The name of the object to add documentation to, typically a class or
        function name
    doc : {str, Tuple[str, str], List[Tuple[str, str]]}
        If a string, the documentation to apply to `obj`
 
        If a tuple, then the first element is interpreted as an attribute of
        `obj` and the second as the docstring to apply - ``(method, docstring)``
 
        If a list, then each element of the list should be a tuple of length
        two - ``[(method1, docstring1), (method2, docstring2), ...]``
    warn_on_python : bool
        If True, the default, emit `UserWarning` if this is used to attach
        documentation to a pure-python object.
 
    Notes
    -----
    This routine never raises an error if the docstring can't be written, but
    will raise an error if the object being documented does not exist.
 
    This routine cannot modify read-only docstrings, as appear
    in new-style classes or built-in functions. Because this
    routine never raises an error the caller must check manually
    that the docstrings were changed.
 
    Since this function grabs the ``char *`` from a c-level str object and puts
    it into the ``tp_doc`` slot of the type of `obj`, it violates a number of
    C-API best-practices, by:
 
    - modifying a `PyTypeObject` after calling `PyType_Ready`
    - calling `Py_INCREF` on the str and losing the reference, so the str
      will never be released
 
    If possible it should be avoided.
    N)    ÚgetattrÚ
__import__Úglobalsr>ÚstrrPÚstripÚtupleÚlist)ZplacerErNrOÚnewÚattrZ    docstringrrrÚ
add_newdocãs.
 
 
rZ)NNNNN)rTFNr)NNNNN)rTr1Nr)NNNN)rTNr)T)Ú    functoolsrIrr?Úrr#rrrrZnumpy.core.multiarrayrZ
numpy.corer    Ú__all__ÚpartialZarray_function_dispatchrrr0r
r3rrFrPrZrrrrÚ<module>sL
ÿÿ
ÿ!ÿ
ÿbÿ