logo

TechCodeview

numpy.log() în Python

The numpy.log() este o funcție matematică care ajută utilizatorul să calculeze Logaritmul natural al lui x unde x aparține tuturor elementelor matricei de intrare. Jurnalul logaritmului natural este inversul exp() , astfel încât log(exp(x)) = x . Logaritmul natural este log în baza e.

Sintaxa: numpy.log(x[, out] = ufunc ‘log1p’) Parametri: matrice: [array_like] Introduceți matrice sau obiect. afara: [ndarray, opțional] Matrice de ieșire cu aceleași dimensiuni ca și matrice de intrare, plasată cu rezultat. Întoarcere : O matrice cu valoare logaritmică naturală a lui x; unde x aparține tuturor elementelor matricei de intrare.



Codul #1: Funcționează

Python3








# 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>))> 

>

>

Ieșire:

centos vs redhat 
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>

Cod #2: Reprezentare grafică

Python3




coduri de eroare linux

# 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()> 

>

>

Ieșire: 

out_array : [ 0. 0.18232156 0.33647224 0.47000363 0.58778666 0.69314718]>

numpy.log() este o funcție din biblioteca NumPy din Python care este utilizată pentru a calcula logaritmul natural al unei date date. Logaritmul natural este o funcție matematică care este inversa funcției exponențiale. Funcția ia ca intrare o matrice sau un scalar și returnează o matrice sau un scalar cu logaritmul natural al fiecărui element.

Avantajele utilizării funcției numpy.log() în Python:

  1. Viteză: funcția numpy.log() este foarte optimizată pentru calcule rapide, ceea ce o face potrivită pentru manipularea seturi de date mari și calcule complexe în calculul științific și analiza datelor.
  2. Precizie matematică: funcția numpy.log() oferă o precizie matematică ridicată pentru calcularea logaritmilor naturali, ceea ce o face utilă în simulări numerice și experimente științifice.
  3. Versatilitate: funcția numpy.log() poate fi utilizată cu o gamă largă de tipuri de intrare, inclusiv scalari, matrice și matrice.
  4. Integrare cu alte funcții NumPy: funcția numpy.log() poate fi integrată cu ușurință cu alte funcții și biblioteci NumPy, permițând calcule și analize de date mai complexe.

Dezavantajele utilizării funcției numpy.log() în Python:

  1. Domeniu limitat: funcția numpy.log() este definită numai pentru numere reale pozitive și va ridica o valoare ValueError dacă i se oferă un număr nepozitiv.
  2. Funcționalitate limitată: în timp ce funcția numpy.log() este utilă pentru calcularea logaritmilor naturali, are o funcționalitate limitată în comparație cu alte biblioteci și funcții mai specializate pentru operații matematice și analiza datelor.
  3. Necesită biblioteca NumPy: Pentru a utiliza funcția numpy.log(), trebuie să aveți biblioteca NumPy instalată și importată în mediul dvs. Python, care poate adăuga o suprasarcină la codul dvs. și poate să nu fie potrivită pentru anumite aplicații.

Iată câteva puncte importante de reținut când utilizați funcția numpy.log() în Python:

  1. Funcția numpy.log() calculează logaritmul natural al unei date date.
  2. Logaritmul natural este o funcție matematică care este inversa funcției exponențiale.
  3. Funcția ia ca intrare o matrice sau un scalar și returnează o matrice sau un scalar cu logaritmul natural al fiecărui element.
  4. Funcția numpy.log() este foarte optimizată pentru calcule rapide, ceea ce o face potrivită pentru manipularea seturi de date mari și calcule complexe în calculul științific și analiza datelor.
  5. Funcția numpy.log() poate fi utilizată cu o gamă largă de tipuri de intrare, inclusiv scalari, matrice și matrice.
  6. Funcția numpy.log() este definită numai pentru numere reale pozitive și va ridica o valoare ValueError dacă i se oferă un număr nepozitiv.
  7. Funcția numpy.log() oferă o precizie matematică ridicată pentru calcularea logaritmilor naturali, făcând-o utilă în simulări numerice și experimente științifice.
  8. Pentru a utiliza funcția numpy.log(), trebuie să aveți biblioteca NumPy instalată și importată în mediul dumneavoastră Python.

Dacă sunteți în căutarea unei cărți de referință

pe NumPy, o opțiune populară este Python pentru analiza datelor de Wes McKinney. Această carte acoperă în profunzime NumPy, împreună cu alte biblioteci Python importante pentru analiza datelor, cum ar fi panda și matplotlib. Include, de asemenea, exemple practice și exerciții pentru a vă ajuta să aplicați ceea ce învățați.