numpy.log() er en matematisk funktion, der bruges til at beregne den naturlige logaritme af x(x hører til alle input-array-elementer). Det er den inverse af eksponentialfunktionen samt en elementmæssig naturlig logaritme. Den naturlige logaritmelog er det omvendte af eksponentialfunktionen, således at log(exp(x))=x. Logaritmen i basis e er den naturlige logaritme.
Syntaks
numpy.log(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) =
Parametre
x: array_like
Denne parameter definerer inputværdien for funktionen numpy.log() .
ud: ndarray, Ingen eller tuple af ndarray og Ingen (valgfrit)
Denne parameter bruges til at definere den placering, hvor resultatet er gemt. Hvis vi definerer denne parameter, skal den have en form svarende til input-udsendelsen; ellers returneres en ny-allokeret matrix. En tupel har en længde svarende til antallet af udgange.
hvor: array_like (valgfrit)
Det er en tilstand, der udsendes over inputtet. På dette sted, hvor betingelsen er True, vil ud-arrayet blive sat til resultatet ufunc(universal funktion); ellers vil den bevare sin oprindelige værdi.
arveprogram i python
casting: {'no','equiv','safe','same_kind','unsafe'}(valgfrit)
Denne parameter styrer den type datacasting, der kan forekomme. 'Nej' betyder, at datatyperne slet ikke skal castes. 'Equiv' betyder, at kun byte-ordensændringer er tilladt. 'Sikkerheden' betyder den eneste rollebesætning, som kan tillade den bevarede værdi. Den 'samme_type' betyder kun sikre kast eller kast inden for en slags. 'Usikre' betyder, at enhver datakonvertering kan udføres.
rækkefølge: {'K', 'C', 'F', 'A'}(valgfrit)
Denne parameter specificerer beregningsiterationsrækkefølgen/hukommelseslayoutet for outputarrayet. Som standard vil rækkefølgen være K. Rækkefølgen 'C' betyder, at output skal være C-sammenhængende. Rækkefølgen 'F' betyder F-sammenhængende, og 'A' betyder F-sammenhængende, hvis inputs er F-sammenhængende, og hvis input er i C-sammenhængende, så betyder 'A' C-sammenhængende. 'K' betyder at matche elementrækkefølgen af inputs (så tæt som muligt).
dtype: datatype (valgfrit)
nussede nuller
Det tilsidesætter dtype af beregnings- og output-arrays.
test: bool (valgfrit)
Som standard er denne parameter sat til sand. Hvis vi indstiller det til falsk, vil output altid være et strengt array, ikke en undertype.
Underskrift
Dette argument giver os mulighed for at give en specifik signatur til 1-d-løkken 'for', der bruges i den underliggende beregning.
extobj
pete davidson nationalitet
Denne parameter er en liste med længde 1, 2 eller 3, der specificerer ufunc-bufferstørrelsen, fejltilstandens heltal og fejltilbagekaldsfunktionen.
Vender tilbage
Denne funktion returnerer et ndarray, der indeholder den naturlige logaritmiske værdi af x, som hører til alle elementer i input-arrayet.
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
Produktion:
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 ovennævnte kode
- Vi har importeret numpy med alias navn np.
- Vi har oprettet et array 'a' ved hjælp af np.array()-funktionen.
- Vi har erklæret variable b, c og, d og tildelt den returnerede værdi af henholdsvis np.log(), np.log2() og np.log10() funktioner.
- Vi har bestået arrayet 'a' i alle funktionerne.
- Til sidst forsøgte vi at udskrive værdien af b, c og d.
I outputtet er der vist et ndarray, der indeholder log-, log2- og log10-værdierne for alle elementerne i kildearrayet.
netværk og internet
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()
Produktion:
I ovenstående kode
- Vi har importeret numpy med alias navn np.
- Vi har også importeret matplotlib.pyplot med alias navn plt.
- Dernæst har vi oprettet et array 'arr' ved hjælp af np.array()-funktionen.
- Derefter erklærede vi variable resultat1, resultat2, resultat3 og tildelte de returnerede værdier af henholdsvis np.log(), np.log2() og np.log10() funktioner.
- Vi har bestået arrayet 'arr' i alle funktionerne.
- Til sidst forsøgte vi at plotte værdierne af 'arr', result1, result2 og result3.
I outputtet er der vist en graf med fire lige linjer med forskellige farver.
Eksempel 3:
import numpy as np x=np.log([2, np.e, np.e**3, 0]) x
Produktion:
__main__:1: RuntimeWarning: divide by zero encountered in log array([0.69314718, 1. , 3. , -inf])
I ovenstående kode
- For det første har vi importeret numpy med alias navn np.
- Vi har erklæret variablen 'x' og tildelt den returnerede værdi af np.log() funktioner.
- Vi har videregivet forskellige værdier i funktionen, såsom heltalsværdi, np.e og np.e**2.
- Til sidst forsøgte vi at udskrive værdien af 'x'.
I outputtet er der vist et ndarray, der indeholder logværdierne for elementerne i kildearrayet.