Python tilbyr mange innebygde logaritmiske funksjoner under modulen matte som lar oss beregne logger ved hjelp av en enkelt linje. Det er 4 varianter av logaritmiske funksjoner, som alle er omtalt i denne artikkelen.
1. log(a,(Base)): Denne funksjonen brukes til å beregne naturlig logaritme (Basis e) av en. Hvis 2 argumenter sendes, beregner den logaritmen til ønsket base av argument a, numerisk verdi av log(a)/log(Base) .

 Syntax : math.log(a,Base) Parameters :  a : The numeric value Base : Base to which the logarithm has to be computed. Return Value :  Returns natural log if 1 argument is passed and log with specified base if 2 arguments are passed. Exceptions :  Raises ValueError if a negative no. is passed as argument.>

Python3

itererende kart java

>

>

Utgang:

Natural logarithm of 14 is : 2.6390573296152584 Logarithm base 5 of 14 is : 1.6397385131955606>

2. log2(a): Denne funksjonen brukes til å beregne logaritmebase 2 av en. Viser mer nøyaktig resultat enn log(a,2).

 Syntax : math.log2(a) Parameters :  a : The numeric value Return Value :  Returns logarithm base 2 of a Exceptions :  Raises ValueError if a negative no. is passed as argument.>

Python3

>

>

Utgang:

Logarithm base 2 of 14 is : 3.807354922057604>

3. log10(a): Denne funksjonen brukes til å beregne logaritmebase 10 av en. Viser mer nøyaktig resultat enn log(a,10).

 Syntax : math.log10(a) Parameters :  a : The numeric value Return Value :  Returns logarithm base 10 of a Exceptions :  Raises ValueError if a negative no. is passed as argument.>

Python3

>

>

Utgang:

Logarithm base 10 of 14 is : 1.146128035678238>

3. log1p(a): Denne funksjonen brukes til å beregne logaritme(1+a) .

 Syntax : math.log1p(a) Parameters :  a : The numeric value Return Value :  Returns log(1+a) Exceptions :  Raises ValueError if a negative no. is passed as argument.>

Python3

>

>

Utgang:

Logarithm(1+a) value of 14 is : 2.70805020110221>

1. ValueError: Denne funksjonen returnerer verdifeil hvis tall er negativ .

Python3

>

>

Utgang:

log(a) value of -14 is :>

Kjøretidsfeil:

Traceback (most recent call last): File '/home/8a74e9d7e5adfdb902ab15712cbaafe2.py', line 9, in print (math.log(-14)) ValueError: math domain error>

En av applikasjonene til log10()-funksjonen er at den brukes til å beregne Nei. av sifre i et tall . Koden nedenfor illustrerer det samme.

Python3

>

>

Utgang:

The number of digits in 73293 are : 5>

Den naturlige logaritmen (log) er en viktig matematisk funksjon i Python som ofte brukes i vitenskapelig databehandling, dataanalyse og maskinlæringsapplikasjoner. Her er noen fordeler, ulemper, viktige punkter og oppslagsverk relatert til loggfunksjoner i Python:

Fordeler:

Loggfunksjonen er nyttig for å transformere data som har et bredt spekter av verdier eller en ikke-normal fordeling til en mer normalfordelt form, noe som kan forbedre nøyaktigheten til statistiske analyser og maskinlæringsmodeller.
Loggfunksjonen er mye brukt innen finans og økonomi for å beregne renters rente, nåverdier og andre økonomiske beregninger.
Loggfunksjonen kan brukes til å redusere effekten av uteliggere på statistiske analyser ved å komprimere skalaen til dataene.
Loggfunksjonen kan brukes til å visualisere data med et stort dynamisk område eller med verdier nær null.

Ulemper:

Loggfunksjonen kan være beregningsmessig dyr for store datasett, spesielt hvis loggfunksjonen brukes gjentatte ganger.
Loggfunksjonen er kanskje ikke egnet for alle typer data, for eksempel kategoriske data eller data med et avgrenset område.

Viktige punkter:

1. Den naturlige logaritmen (log) beregnes ved å bruke funksjonen numpy.log() i Python.
2. Logaritmen med en annen grunntall enn e kan beregnes ved å bruke funksjonene numpy.log10() eller numpy.log2() i Python.
3. Den inverse av den naturlige logaritmen er eksponentialfunksjonen, som kan beregnes ved å bruke funksjonen numpy.exp() i Python.
4. Ved bruk av logaritmer for statistiske analyser eller maskinlæring er det viktig å huske å transformere dataene tilbake til sin opprinnelige skala etter analyse.

Referanse bøker:

Python for Data Analysis av Wes McKinney dekker NumPy-biblioteket og dets applikasjoner innen dataanalyse i dybden, inkludert den logaritmiske funksjonen.
Numerical Python: A Practical Techniques Approach for Industry av Robert Johansson dekker NumPy-biblioteket og dets applikasjoner innen numerisk databehandling og vitenskapelig databehandling i dybden, inkludert den logaritmiske funksjonen.
Python Data Science Handbook av Jake VanderPlas dekker NumPy-biblioteket og dets applikasjoner innen datavitenskap i dybden, inkludert den logaritmiske funksjonen.