Funkcja numpy.log() to funkcja matematyczna używana do obliczania logarytmu naturalnego x(x należy do wszystkich elementów tablicy wejściowej). Jest to odwrotność funkcji wykładniczej oraz elementarny logarytm naturalny. Logarytm naturalny jest odwrotnością funkcji wykładniczej, zatem log(exp(x))=x. Logarytm o podstawie e jest logarytmem naturalnym.
Składnia
numpy.log(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) =
Parametry
x: tablica_podobna
Ten parametr definiuje wartość wejściową dla funkcji numpy.log().
out: ndarray, None lub krotka ndarray i None (opcjonalnie)
Parametr ten służy do określenia lokalizacji, w której przechowywany jest wynik. Jeśli zdefiniujemy ten parametr, musi on mieć kształt zbliżony do transmisji wejściowej; w przeciwnym razie zwracana jest świeżo przydzielona tablica. Krotka ma długość równą liczbie wyjść.
gdzie: array_like (opcjonalnie)
Jest to warunek rozgłaszany na wejściu. W tym miejscu, gdzie warunek ma wartość True, tablica out zostanie ustawiona na wynik ufunc (funkcja uniwersalna); w przeciwnym razie zachowa swoją pierwotną wartość.
rzutowanie: {'nie','równoważny','bezpieczny','same_kind','unsafe'}(opcjonalnie)
Ten parametr kontroluje rodzaj rzutowania danych, który może wystąpić. „Nie” oznacza, że typy danych nie powinny być w ogóle rzutowane. „równoważnik” oznacza, że dozwolone są tylko zmiany kolejności bajtów. „Sejf” oznacza jedyny odlew, który może pozwolić na zachowanie wartości. „same_kind” oznacza tylko bezpieczne rzuty lub rzuty w obrębie rodzaju. „Niebezpieczne” oznacza, że można dokonać dowolnej konwersji danych.
kolejność: {'K', 'C', 'F', 'A'} (opcjonalnie)
Ten parametr określa kolejność iteracji obliczeń/układ pamięci tablicy wyjściowej. Domyślnie kolejność będzie K. Kolejność „C” oznacza, że dane wyjściowe powinny przylegać do C. Kolejność „F” oznacza F-ciągły, a „A” oznacza F-ciągły, jeśli wejścia są F-ciągłe i jeśli wejścia są w C-ciągłe, wówczas „A” oznacza C-ciągłe. „K” oznacza dopasowanie kolejności elementów wejść (tak blisko, jak to możliwe).
dtype: typ danych (opcjonalnie)
Java porównaj ciąg
Zastępuje typ dtablic obliczeniowych i wyjściowych.
test: bool (opcjonalnie)
Domyślnie ten parametr jest ustawiony na true. Jeśli ustawimy na false, wynikiem będzie zawsze ścisła tablica, a nie podtyp.
podpis
spróbuj złapać blok w Javie
Argument ten pozwala nam podać konkretną sygnaturę pętli 1-d „for”, użytej w obliczeniach.
extobj
Ten parametr jest listą o długości 1, 2 lub 3, określającą rozmiar bufora ufunc, liczbę całkowitą trybu błędu i funkcję wywołania zwrotnego błędu.
Zwroty
Ta funkcja zwraca ndarray zawierający logarytmiczną wartość x, która należy do wszystkich elementów tablicy wejściowej.
Przykład 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
Wyjście:
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])
W powyższym kodzie
- Zaimportowaliśmy numpy z aliasem np.
- Utworzyliśmy tablicę „a” za pomocą funkcji np.array().
- Zadeklarowaliśmy zmienne b, c i, d i przypisaliśmy wartość zwróconą odpowiednio przez funkcje np.log(), np.log2() i np.log10().
- We wszystkich funkcjach przekazaliśmy tablicę „a”.
- Na koniec próbowaliśmy wydrukować wartości b, c i d.
Na wyjściu pokazano ndarray zawierający wartości log, log2 i log10 wszystkich elementów tablicy źródłowej.
Przykład 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()
Wyjście:
W powyższym kodzie
- Zaimportowaliśmy numpy z aliasem np.
- Zaimportowaliśmy także plik matplotlib.pyplot z aliasem plt.
- Następnie utworzyliśmy tablicę „arr” za pomocą funkcji np.array().
- Następnie zadeklarowaliśmy zmienneresult1,result2,result3 i przypisaliśmy zwrócone wartości odpowiednio funkcji np.log(), np.log2() i np.log10().
- We wszystkich funkcjach przekazaliśmy tablicę „arr”.
- Na koniec próbowaliśmy wykreślić wartości „arr”, wynik1, wynik2 i wynik3.
Na wyjściu pokazano wykres składający się z czterech linii prostych w różnych kolorach.
Przykład 3:
import numpy as np x=np.log([2, np.e, np.e**3, 0]) x
Wyjście:
__main__:1: RuntimeWarning: divide by zero encountered in log array([0.69314718, 1. , 3. , -inf])
W powyższym kodzie
- Po pierwsze, zaimportowaliśmy numpy z aliasem np.
- Zadeklarowaliśmy zmienną „x” i przypisaliśmy wartość zwróconą przez funkcje np.log().
- W funkcji przekazaliśmy różne wartości, takie jak wartość całkowita, np.e i np.e**2.
- Na koniec próbowaliśmy wydrukować wartość „x”.
Na wyjściu pokazano ndarray, zawierający wartości logarytmiczne elementów tablicy źródłowej.