Numpy.log() ir matemātiska funkcija, ko izmanto, lai aprēķinātu naturālo logaritmu x(x pieder visiem ievades masīva elementiem). Tā ir eksponenciālās funkcijas apgrieztā vērtība, kā arī elementu dabisks logaritms. Dabiskā logaritma log ir eksponenciālās funkcijas reverss, lai log(exp(x))=x. Logaritms bāzē e ir naturālais logaritms.

Sintakse

 numpy.log(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 

Parametri

x: masīva_līdzīgs

Šis parametrs nosaka funkcijas numpy.log() ievades vērtību.

izeja: ndarray, None vai ndarray un None (neobligāti)

Šis parametrs tiek izmantots, lai noteiktu vietu, kurā tiek saglabāts rezultāts. Ja mēs definējam šo parametru, tam ir jābūt līdzīgai ievades apraidei; pretējā gadījumā tiek atgriezts tikko piešķirts masīvs. Korpusa garums ir vienāds ar izvadu skaitu.

nulles

kur: array_like (neobligāti)

Tas ir nosacījums, kas tiek pārraidīts pa ievadi. Šajā vietā, kur nosacījums ir True, izejas masīvs tiks iestatīts uz ufunc (universālās funkcijas) rezultātu; pretējā gadījumā tas saglabās savu sākotnējo vērtību.

apraide: {'nē','equiv','safe','same_kind','unsafe'} (neobligāti)

nejaušs skaitlis no 1 līdz 10

Šis parametrs kontrolē iespējamo datu apraidi. “Nē” nozīmē, ka datu tipus vispār nevajadzētu nodot. 'Ekv.' nozīmē, ka ir atļautas tikai baitu secības izmaiņas. 'Seifs' nozīmē vienīgo atveidojumu, kas var pieļaut saglabāto vērtību. “Same_kind” nozīmē tikai drošus metienus vai metienus vienā sugā. “Nedrošs” nozīmē, ka var tikt veikta datu konvertēšana.

secība: {'K', 'C', 'F', 'A'} (neobligāti)

Šis parametrs norāda izvades masīva aprēķinu iterācijas secību/atmiņas izkārtojumu. Pēc noklusējuma secība būs K. Kārtība “C” nozīmē, ka izvadei jābūt C blakusesošai. Kārtība “F” nozīmē F blakusesošo, un “A” nozīmē F blakusesošo, ja ievades ir F blakusesošas un ja ievades atrodas blakus C, tad “A” nozīmē C blakusesošas. “K” nozīmē saskaņot ievades elementu secību (cik vien iespējams).

bash stīgas garums

dtype: datu tips (neobligāti)

Tas ignorē aprēķina un izvades masīvu dtype.

tests: bool (pēc izvēles)

Pēc noklusējuma šis parametrs ir iestatīts uz True. Ja iestatīsim to uz false, izvade vienmēr būs stingrs masīvs, nevis apakštips.

parakstu

Šis arguments ļauj mums nodrošināt īpašu parakstu 1-d cilpai “for”, kas tiek izmantota pamatā esošajā aprēķinā.

extobj

vlc, lai lejupielādētu youtube videoklipus

Šis parametrs ir saraksts ar garumu 1, 2 vai 3, kas norāda ufunc bufera lielumu, kļūdas režīma veselo skaitli un kļūdu atzvanīšanas funkciju.

Atgriežas

Šī funkcija atgriež ndarray, kas satur x dabisko logaritmisko vērtību, kas pieder visiem ievades masīva elementiem.

1. piemērs:

 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 

Izvade:

 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]) 

Iepriekš minētajā kodā

• Mēs esam importējuši numpy ar aizstājvārdu np.
• Mēs esam izveidojuši masīvu 'a', izmantojot funkciju np.array().
• Mēs esam deklarējuši mainīgo b, c un, d un piešķīruši attiecīgi np.log(), np.log2() un np.log10() funkciju atgriezto vērtību.
• Mēs esam izturējuši masīvu 'a' visās funkcijās.
• Visbeidzot, mēs mēģinājām izdrukāt b, c un d vērtību.

Izvadē ir parādīts ndarray, kas satur visu avota masīva elementu log, log2 un log10 vērtības.

2. piemērs:

 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() 

Izvade:

celtnieka dizaina modelis

Iepriekš minētajā kodā

• Mēs esam importējuši numpy ar aizstājvārdu np.
• Mēs esam arī importējuši matplotlib.pyplot ar aizstājvārdu plt.
• Tālāk mēs esam izveidojuši masīvu 'arr', izmantojot funkciju np.array().
• Pēc tam mēs deklarējām mainīgo rezultāts1, rezultāts2, rezultāts3 un attiecīgi piešķīrām atgrieztās vērtības np.log(), np.log2() un np.log10() funkcijām.
• Mēs esam izturējuši masīvu 'arr' visās funkcijās.
• Visbeidzot, mēs mēģinājām attēlot vērtības “arr”, rezultāts1, rezultāts2 un rezultāts3.

Izvadā ir parādīts grafiks ar četrām taisnām līnijām ar dažādām krāsām.

3. piemērs:

 import numpy as np x=np.log([2, np.e, np.e**3, 0]) x 

Izvade:

 __main__:1: RuntimeWarning: divide by zero encountered in log array([0.69314718, 1. , 3. , -inf]) 

Iepriekš minētajā kodā

• Pirmkārt, mēs esam importējuši numpy ar aizstājvārdu np.
• Mēs esam deklarējuši mainīgo 'x' un piešķīruši np.log() funkciju atgriezto vērtību.
• Funkcijā esam nodevuši dažādas vērtības, piemēram, veselu skaitļu vērtību, np.e un np.e**2.
• Visbeidzot, mēs mēģinājām izdrukāt “x” vērtību.

Izvadē ir parādīts ndarray, kas satur avota masīva elementu log vērtības.