numpy.log() er en matematisk funksjon som brukes til å beregne den naturlige logaritmen til x(x tilhører alle inndatamatriseelementene). Det er den inverse av eksponentialfunksjonen så vel som en elementmessig naturlig logaritme. Den naturlige logaritmeloggen er motsatt av eksponentialfunksjonen, slik at log(exp(x))=x. Logaritmen i grunntall e er den naturlige logaritmen.

Syntaks

 numpy.log(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 

Parametere

x: array_like

Denne parameteren definerer inngangsverdien for numpy.log()-funksjonen.

ut: ndarray, Ingen, eller tuppel av ndarray og Ingen (valgfritt)

Denne parameteren brukes til å definere plasseringen der resultatet er lagret. Hvis vi definerer denne parameteren, må den ha en form som ligner på inngangskringkastingen; ellers returneres en nytildelt matrise. En tuppel har en lengde lik antall utganger.

hvor: array_like (valgfritt)

Det er en tilstand som kringkastes over innspillet. På dette stedet, hvor betingelsen er True, vil ut-matrisen settes til resultatet ufunc(universell funksjon); ellers vil den beholde sin opprinnelige verdi.

arveprogram i python

casting: {'no','equiv','safe','same_kind','unsafe'}(valgfritt)

Denne parameteren kontrollerer hva slags datakasting som kan forekomme. 'Nei' betyr at datatypene ikke skal kastes i det hele tatt. 'equiv' betyr at bare byte-rekkefølgendringer er tillatt. 'Safe' betyr den eneste rollebesetningen som kan tillate den bevarte verdien. «Samme_type» betyr bare sikre kast eller kast innenfor et slag. Den 'usikre' betyr at alle datakonverteringer kan gjøres.

rekkefølge: {'K', 'C', 'F', 'A'}(valgfritt)

Denne parameteren spesifiserer beregningsgjentakelsesrekkefølgen/minnelayouten til utmatrisen. Som standard vil rekkefølgen være K. Rekkefølgen 'C' betyr at utgangen skal være C-sammenhengende. Rekkefølgen 'F' betyr F-sammenhengende, og 'A' betyr F-sammenhengende hvis inngangene er F-sammenhengende og hvis innganger er i C-sammenhengende, så betyr 'A' C-sammenhengende. 'K' betyr å matche elementrekkefølgen til inngangene (så nært som mulig).

dtype: datatype (valgfritt)

nulle nuller

Den overstyrer dtype for beregnings- og utdatamatrisene.

test: bool (valgfritt)

Som standard er denne parameteren satt til sann. Hvis vi setter den til usann, vil utdata alltid være en streng matrise, ikke en undertype.

signatur

Dette argumentet lar oss gi en spesifikk signatur til 1-d løkken 'for', brukt i den underliggende beregningen.

extobj

pete davidson nasjonalitet

Denne parameteren er en liste med lengde 1, 2 eller 3 som spesifiserer ufunc-bufferstørrelsen, feilmodusheltallet og feiltilbakekallingsfunksjonen.

Returnerer

Denne funksjonen returnerer en ndarray som inneholder den naturlige logaritmiske verdien av x, som tilhører alle elementene i inngangsmatrisen.

Eksempel 1:

 import numpy as np a=np.array([2, 4, 6, 3**8]) a b=np.log(a) b c=np.log2(a) c d=np.log10(a) d 

Produksjon:

 array([ 2, 4, 6, 6561]) array([0.69314718, 1.38629436, 1.79175947, 8.78889831]) array([ 1. , 2. , 2.5849625 , 12.67970001]) array([0.30103 , 0.60205999, 0.77815125, 3.81697004]) 

I koden ovenfor

• Vi har importert numpy med alias navn np.
• Vi har laget en matrise 'a' ved å bruke np.array()-funksjonen.
• Vi har erklært variabel b, c og, d og tildelt den returnerte verdien av henholdsvis np.log(), np.log2() og np.log10() funksjoner.
• Vi har passert matrisen 'a' i alle funksjonene.
• Til slutt prøvde vi å skrive ut verdien av b, c og d.

I utdataene er det vist en ndarray som inneholder log-, log2- og log10-verdiene for alle elementene i kildematrisen.

nettverk og internett

Eksempel 2:

 import numpy as np import matplotlib.pyplot as plt arr = [2, 2.2, 2.4, 2.6,2.8, 3] result1=np.log(arr) result2=np.log2(arr) result3=np.log10(arr) plt.plot(arr,arr, color='blue', marker='*') plt.plot(result1,arr, color='green', marker='o') plt.plot(result2,arr, color='red', marker='*') plt.plot(result3,arr, color='black', marker='*') plt.show() 

Produksjon:

I koden ovenfor

• Vi har importert numpy med alias navn np.
• Vi har også importert matplotlib.pyplot med alias navn plt.
• Deretter har vi laget en matrise 'arr' ved å bruke np.array()-funksjonen.
• Etter det erklærte vi variabelen resultat1, resultat2, resultat3 og tildelte de returnerte verdiene til henholdsvis np.log(), np.log2() og np.log10() funksjoner.
• Vi har passert matrisen 'arr' i alle funksjonene.
• Til slutt prøvde vi å plotte verdiene for 'arr', result1, result2 og result3.

I utgangen er det vist en graf med fire rette linjer med forskjellige farger.

Eksempel 3:

 import numpy as np x=np.log([2, np.e, np.e**3, 0]) x 

Produksjon:

 __main__:1: RuntimeWarning: divide by zero encountered in log array([0.69314718, 1. , 3. , -inf]) 

I koden ovenfor

• For det første har vi importert numpy med aliasnavn np.
• Vi har erklært variabelen 'x' og tildelt den returnerte verdien av np.log() funksjoner.
• Vi har sendt forskjellige verdier i funksjonen, for eksempel heltallsverdi, np.e og np.e**2.
• Til slutt prøvde vi å skrive ut verdien av 'x'.

I utdataene er det vist en ndarray som inneholder loggverdiene til elementene i kildematrisen.