De numpy.log() er en matematisk funksjon som hjelper brukeren å regne Naturlig logaritme av x hvor x tilhører alle input array-elementene. Naturlig logaritmelogg er invers av exp() , så det log(exp(x)) = x . Den naturlige logaritmen er log i grunntallet e.
Syntaks: numpy.log(x[, ut] = ufunc 'log1p') Parametere: array: [array_like] Inndatamatrise eller objekt. ut: [ndarray, valgfritt] Utdatamatrise med samme dimensjoner som inputmatrise, plassert med resultat. Komme tilbake : En matrise med naturlig logaritmisk verdi på x; hvor x tilhører alle elementene i input-array.
Kode #1: Fungerer
Python3
arveprogram i python
# Python program explaining> # log() function> import> numpy as np> > in_array>=> [>1>,>3>,>5>,>2>*>*>8>]> print> (>'Input array : '>, in_array)> > out_array>=> np.log(in_array)> print> (>'Output array : '>, out_array)> > > print>(>'
np.log(4**4) : '>, np.log(>4>*>*>4>))> print>(>'np.log(2**8) : '>, np.log(>2>*>*>8>))> |
>
nulle nuller
>
Utgang:
Input array : [1, 3, 5, 256] Output array : [ 0. 1.09861229 1.60943791 5.54517744] np.log(4**4) : 5.54517744448 np.log(2**8) : 5.54517744448>
Kode #2 : Grafisk representasjon
Python3
pete davidson nasjonalitet
# Python program showing> # Graphical representation> # of log() function> import> numpy as np> import> matplotlib.pyplot as plt> > in_array>=> [>1>,>1.2>,>1.4>,>1.6>,>1.8>,>2>]> out_array>=> np.log(in_array)> > print> (>'out_array : '>, out_array)> > plt.plot(in_array, in_array,> >color>=> 'blue'>, marker>=> '*'>)> > # red for numpy.log()> plt.plot(out_array, in_array,> >color>=> 'red'>, marker>=> 'o'>)> > plt.title(>'numpy.log()'>)> plt.xlabel(>'out_array'>)> plt.ylabel(>'in_array'>)> plt.show()> |
>
nettverk og internett
>
Utgang:
out_array : [ 0. 0.18232156 0.33647224 0.47000363 0.58778666 0.69314718]>
numpy.log() er en funksjon i NumPy-biblioteket til Python som brukes til å beregne den naturlige logaritmen til en gitt inngang. Den naturlige logaritmen er en matematisk funksjon som er den inverse av eksponentialfunksjonen. Funksjonen tar en matrise eller en skalar som input og returnerer en matrise eller en skalar med den naturlige logaritmen til hvert element.
Fordeler med å bruke funksjonen numpy.log() i Python:
- Speed: numpy.log()-funksjonen er svært optimalisert for rask beregning, noe som gjør den egnet for håndtering av store datasett og komplekse beregninger i vitenskapelig databehandling og dataanalyse.
- Matematisk nøyaktighet: numpy.log()-funksjonen gir høy matematisk nøyaktighet for beregning av naturlige logaritmer, noe som gjør den nyttig i numeriske simuleringer og vitenskapelige eksperimenter.
- Allsidighet: numpy.log()-funksjonen kan brukes med et bredt spekter av inndatatyper, inkludert skalarer, matriser og matriser.
- Integrasjon med andre NumPy-funksjoner: numpy.log()-funksjonen kan enkelt integreres med andre NumPy-funksjoner og biblioteker, noe som muliggjør mer komplekse beregninger og dataanalyse.
Ulemper ved å bruke funksjonen numpy.log() i Python:
- Begrenset domene: numpy.log()-funksjonen er kun definert for positive reelle tall, og vil øke en ValueError hvis gitt et ikke-positivt tall.
- Begrenset funksjonalitet: Mens funksjonen numpy.log() er nyttig for å beregne naturlige logaritmer, har den begrenset funksjonalitet sammenlignet med andre mer spesialiserte biblioteker og funksjoner for matematiske operasjoner og dataanalyse.
- Krever NumPy-bibliotek: For å bruke numpy.log()-funksjonen, må du ha NumPy-biblioteket installert og importert i Python-miljøet ditt, som kan legge til litt overhead til koden din og kanskje ikke være egnet for enkelte applikasjoner.
Her er noen viktige punkter du bør huske på når du bruker funksjonen numpy.log() i Python:
- Funksjonen numpy.log() beregner den naturlige logaritmen til en gitt inngang.
- Den naturlige logaritmen er en matematisk funksjon som er den inverse av eksponentialfunksjonen.
- Funksjonen tar en matrise eller en skalar som input og returnerer en matrise eller en skalar med den naturlige logaritmen til hvert element.
- Funksjonen numpy.log() er svært optimalisert for rask beregning, noe som gjør den egnet for håndtering av store datasett og komplekse beregninger i vitenskapelig databehandling og dataanalyse.
- Funksjonen numpy.log() kan brukes med et bredt spekter av inndatatyper, inkludert skalarer, matriser og matriser.
- Funksjonen numpy.log() er kun definert for positive reelle tall, og vil øke en ValueError hvis den gis et ikke-positivt tall.
- Funksjonen numpy.log() gir høy matematisk nøyaktighet for å beregne naturlige logaritmer, noe som gjør den nyttig i numeriske simuleringer og vitenskapelige eksperimenter.
- For å bruke funksjonen numpy.log() må du ha NumPy-biblioteket installert og importert i Python-miljøet.
Hvis du leter etter en oppslagsbok
på NumPy er et populært alternativ Python for Data Analysis av Wes McKinney. Denne boken dekker NumPy i dybden, sammen med andre viktige Python-biblioteker for dataanalyse som pandaer og matplotlib. Den inneholder også praktiske eksempler og øvelser for å hjelpe deg å bruke det du lærer.