The numpy.log() on matemaattinen funktio, joka auttaa käyttäjää laskemaan x:n luonnollinen logaritmi jossa x kuuluu kaikkiin syötetaulukon elementteihin. Luonnollisen logaritmin loki on käänteisarvo exp() , jotta log(exp(x)) = x . Luonnollinen logaritmi on log in kanta e.
Syntaksi : numpy.log(x[, out] = ufunc 'log1p') Parametrit: joukko: [array_like] Syötä matriisi tai objekti. ulos: [ndarray, valinnainen] Tulostamatriisi, jonka mitat ovat samat kuin Input array, sijoitettu tuloksen kanssa. Paluu: Taulukko, jonka luonnollinen logaritminen arvo on x; missä x kuuluu kaikkiin syötetaulukon elementteihin.
Koodi #1: Toimii
Python 3
es5 vs es6
c ohjelmointiesimerkkiohjelmat
# 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>))> |
>
ohjelmistojen testaus ja tyypit
>
Lähtö:
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>
Koodi #2: Graafinen esitys
Python 3
kyselyvalitsin
# 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()> |
>
rekha ikä
>
Lähtö:
out_array : [ 0. 0.18232156 0.33647224 0.47000363 0.58778666 0.69314718]>
numpy.log() on Pythonin NumPy-kirjaston funktio, jota käytetään tietyn syötteen luonnollisen logaritmin laskemiseen. Luonnollinen logaritmi on matemaattinen funktio, joka on eksponentiaalisen funktion käänteisfunktio. Funktio ottaa syötteeksi taulukon tai skalaarin ja palauttaa taulukon tai skalaarin kunkin elementin luonnollisella logaritmilla.
Numpy.log()-funktion käytön edut Pythonissa:
- Nopeus: numpy.log()-funktio on erittäin optimoitu nopeaan laskentaan, mikä tekee siitä sopivan suurten tietojoukkojen ja monimutkaisten laskelmien käsittelyyn tieteellisessä laskennassa ja data-analyysissä.
- Matemaattinen tarkkuus: numpy.log()-funktio tarjoaa korkean matemaattisen tarkkuuden luonnollisten logaritmien laskemiseen, mikä tekee siitä hyödyllisen numeerisissa simulaatioissa ja tieteellisissä kokeissa.
- Monipuolisuus: numpy.log()-funktiota voidaan käyttää useiden eri syöttötyyppien kanssa, mukaan lukien skalaarit, taulukot ja matriisit.
- Integrointi muiden NumPy-funktioiden kanssa: numpy.log()-funktio voidaan helposti integroida muihin NumPy-funktioihin ja kirjastoihin, mikä mahdollistaa monimutkaisempien laskelmien ja tietojen analysoinnin.
Numpy.log()-funktion käytön haitat Pythonissa:
- Rajoitettu toimialue: numpy.log()-funktio on määritetty vain positiivisille reaaliluvuille, ja se aiheuttaa ValueErrorin, jos sille annetaan ei-positiivinen luku.
- Rajoitettu toiminnallisuus: Vaikka numpy.log()-funktio on hyödyllinen luonnollisten logaritmien laskemiseen, sen toiminnallisuus on rajallinen verrattuna muihin erikoistuneempiin kirjastoihin ja funktioihin matemaattisia operaatioita ja data-analyysiä varten.
- Vaatii NumPy-kirjaston: Numpy.log()-funktion käyttäminen edellyttää, että NumPy-kirjasto on asennettu ja tuotu Python-ympäristöösi, mikä voi lisätä koodiisi ylimääräisiä kustannuksia eikä välttämättä sovellu tietyille sovelluksille.
Tässä on joitain tärkeitä asioita, jotka tulee pitää mielessä, kun käytät numpy.log()-funktiota Pythonissa:
- Numpy.log()-funktio laskee tietyn syötteen luonnollisen logaritmin.
- Luonnollinen logaritmi on matemaattinen funktio, joka on eksponentiaalisen funktion käänteisfunktio.
- Funktio ottaa syötteeksi taulukon tai skalaarin ja palauttaa taulukon tai skalaarin kunkin elementin luonnollisella logaritmilla.
- Numpy.log()-funktio on erittäin optimoitu nopeaa laskentaa varten, joten se sopii suurten tietojoukkojen ja monimutkaisten laskelmien käsittelyyn tieteellisessä laskennassa ja data-analyysissä.
- Numpy.log()-funktiota voidaan käyttää useiden eri syötetyyppien kanssa, mukaan lukien skalaarit, taulukot ja matriisit.
- Numpy.log()-funktio on määritetty vain positiivisille reaaliluvuille, ja se aiheuttaa ValueError-funktion, jos sille annetaan ei-positiivinen luku.
- Numpy.log()-funktio tarjoaa korkean matemaattisen tarkkuuden luonnollisten logaritmien laskemiseen, mikä tekee siitä hyödyllisen numeerisissa simulaatioissa ja tieteellisissä kokeissa.
- Numpy.log()-funktion käyttäminen edellyttää, että NumPy-kirjasto on asennettu ja tuotu Python-ympäristöösi.
Jos etsit hakuteosta
NumPyssa yksi suosittu vaihtoehto on Wes McKinneyn Python for Data Analysis. Tämä kirja kattaa NumPyn perusteellisesti sekä muita tärkeitä Python-kirjastoja tietojen analysointiin, kuten pandat ja matplotlib. Se sisältää myös käytännön esimerkkejä ja harjoituksia, jotka auttavat sinua soveltamaan oppimaasi.