The numpy.log() ir matemātiska funkcija, kas palīdz lietotājam aprēķināt x naturālais logaritms kur x pieder visiem ievades masīva elementiem. Dabiskā logaritma žurnāls ir exp () apgrieztā vērtība , tātad log(exp(x)) = x . Dabiskais logaritms ir log bāzē e.
Sintakse : numpy.log(x[, out] = ufunc ‘log1p’) Parametri: masīvs: [masīvs_līdzīgs] Ievadiet masīvu vai objektu. ārā: [ndarray, pēc izvēles] Izvades masīvs ar tādiem pašiem izmēriem kā ievades masīvs, kas novietots kopā ar rezultātu. Atgriešanās: Masīvs ar naturālo logaritmisko vērtību x; kur x pieder visiem ievades masīva elementiem.
Kods #1: Darbojas
Python3
nulles
nejaušs skaitlis no 1 līdz 10
# 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>))> |
>
bash stīgas garums
>
Izvade:
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>
Kods #2: grafisks attēlojums
Python3
vlc, lai lejupielādētu youtube videoklipus
# 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()> |
>
celtnieka dizaina modelis
>
Izvade:
out_array : [ 0. 0.18232156 0.33647224 0.47000363 0.58778666 0.69314718]>
numpy.log() ir Python bibliotēkas NumPy funkcija, ko izmanto, lai aprēķinātu dotās ievades naturālo logaritmu. Dabiskais logaritms ir matemātiska funkcija, kas ir eksponenciālās funkcijas apgrieztā vērtība. Funkcija kā ievadi izmanto masīvu vai skalāru un atgriež masīvu vai skalāru ar katra elementa naturālo logaritmu.
Funkcijas numpy.log() izmantošanas priekšrocības programmā Python:
- Ātrums: funkcija numpy.log() ir ļoti optimizēta ātrai aprēķināšanai, kas padara to piemērotu lielu datu kopu un sarežģītu aprēķinu apstrādei zinātniskajā skaitļošanā un datu analīzē.
- Matemātiskā precizitāte: funkcija numpy.log() nodrošina augstu matemātisko precizitāti naturālo logaritmu aprēķināšanai, kas padara to noderīgu skaitliskās simulācijās un zinātniskos eksperimentos.
- Daudzpusība: funkciju numpy.log() var izmantot ar plašu ievades veidu klāstu, tostarp skalāriem, masīviem un matricām.
- Integrācija ar citām NumPy funkcijām: funkciju numpy.log() var viegli integrēt ar citām NumPy funkcijām un bibliotēkām, ļaujot veikt sarežģītākus aprēķinus un datu analīzi.
Funkcijas numpy.log() izmantošanas trūkumi programmā Python:
- Ierobežots domēns: funkcija numpy.log() ir definēta tikai pozitīviem reāliem skaitļiem un radīs ValueError, ja tiks norādīts nepozitīvs skaitlis.
- Ierobežota funkcionalitāte: lai gan funkcija numpy.log() ir noderīga naturālo logaritmu aprēķināšanai, tai ir ierobežota funkcionalitāte salīdzinājumā ar citām specializētākām bibliotēkām un funkcijām matemātiskām operācijām un datu analīzei.
- Nepieciešama NumPy bibliotēka: lai izmantotu funkciju numpy.log(), jūsu Python vidē ir jāinstalē un jāimportē NumPy bibliotēka, kas var palielināt kodu un var nebūt piemērota noteiktām lietojumprogrammām.
Šeit ir daži svarīgi punkti, kas jāpatur prātā, izmantojot funkciju numpy.log() Python:
- Funkcija numpy.log() aprēķina dotās ievades naturālo logaritmu.
- Dabiskais logaritms ir matemātiska funkcija, kas ir eksponenciālās funkcijas apgrieztā vērtība.
- Funkcija kā ievadi izmanto masīvu vai skalāru un atgriež masīvu vai skalāru ar katra elementa naturālo logaritmu.
- Funkcija numpy.log() ir ļoti optimizēta ātrai aprēķināšanai, padarot to piemērotu lielu datu kopu un sarežģītu aprēķinu apstrādei zinātniskajā skaitļošanā un datu analīzē.
- Funkciju numpy.log() var izmantot ar plašu ievades veidu klāstu, tostarp skalāriem, masīviem un matricām.
- Funkcija numpy.log() ir definēta tikai pozitīviem reāliem skaitļiem un radīs ValueError, ja tiks dots nepozitīvs skaitlis.
- Funkcija numpy.log() nodrošina augstu matemātisko precizitāti naturālo logaritmu aprēķināšanai, padarot to noderīgu skaitliskās simulācijās un zinātniskos eksperimentos.
- Lai izmantotu funkciju numpy.log(), jums ir jāinstalē un jāimportē NumPy bibliotēka jūsu Python vidē.
Ja meklējat uzziņu grāmatu
vietnē NumPy viena populāra iespēja ir Vesa Makkinija Python datu analīzei. Šī grāmata padziļināti aptver NumPy, kā arī citas svarīgas Python bibliotēkas datu analīzei, piemēram, pandas un matplotlib. Tajā ir iekļauti arī praktiski piemēri un vingrinājumi, kas palīdzēs pielietot apgūto.