个性化阅读
专注于IT技术分析

Python中的numpy.log()用法

numpy.log()是一个数学函数, 用于计算x(x属于所有输入数组元素)的自然对数。它是指数函数的倒数, 也是元素自然对数。自然对数对数是指数函数的逆函数, 因此log(exp(x))= x。以e为底的对数是自然对数。

句法

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

参数

x:类似数组

此参数定义numpy.log()函数的输入值。

out:ndarray, None或ndarray和None的元组(可选)

此参数用于定义存储结果的位置。如果定义此参数, 则它的形状必须类似于输入广播。否则, 将返回一个新分配的数组。元组的长度等于输出的数量。

其中:array_like(可选)

这是通过输入广播的条件。在此条件为True的位置, 将out数组设置为ufunc(通用函数)结果;否则, 它将保留其原始值。

强制转换:{‘no’, ‘equiv’, ‘safe’, ‘same_kind’, ‘unsafe’}(可选)

此参数控制可能发生的数据强制转换的类型。 “否”表示完全不应该转换数据类型。 ” equiv”表示仅允许字节顺序更改。 “安全”是指唯一可以保留值的强制转换。 ” same_kind”仅表示安全类型转换或同一类型中的类型转换。 “不安全”表示可能会进行任何数据转换。

顺序:{‘K’, ‘C’, ‘F’, ‘A’}(可选)

此参数指定输出数组的计算迭代顺序/内存布局。默认情况下, 顺序为K。顺序’C’表示输出应为C连续的。如果输入是F连续的, 并且如果输入是C连续的, 则顺序’F’表示F连续, ‘A’表示F连续, 则’A’表示C连续。 ” K”表示匹配输入的元素顺序(尽可能接近)。

dtype:数据类型(可选)

它覆盖计算和输出数组的dtype。

尝试:bool(可选)

默认情况下, 此参数设置为true。如果将其设置为false, 则输出将始终是严格数组, 而不是子类型。

签名

此参数允许我们为基础计算中使用的1-d循环” for”提供特定的签名。

extobj

此参数是长度1、2或3的列表, 指定ufunc缓冲区大小, 错误模式整数和错误回调函数。

退货

该函数返回一个ndarray, 该ndarray包含x的自然对数值, 该值属于输入数组的所有元素。

范例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

输出

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])

在上述代码中

  • 我们导入了别名为np的numpy。
  • 我们使用np.array()函数创建了一个数组’a’。
  • 我们已经声明了变量b, c和d, 并分别分配了np.log(), np.log2()和np.log10()函数的返回值。
  • 我们在所有函数中都传递了数组” a”。
  • 最后, 我们尝试打印b, c和d的值。

在输出中, 显示了一个ndarray, 其中包含源数组的所有元素的log, log2和log10值。

范例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()

输出

numpy.log()

在上面的代码中

  • 我们导入了别名为np的numpy。
  • 我们还导入了别名为plt的matplotlib.pyplot。
  • 接下来, 我们使用np.array()函数创建了一个数组” arr”。
  • 之后, 我们声明了变量result1, result2, result3, 并分别分配了np.log(), np.log2()和np.log10()函数的返回值。
  • 我们在所有函数中都传递了数组” arr”。
  • 最后, 我们尝试绘制” arr”, result1, result2和result3的值。

在输出中, 显示了具有四个具有不同颜色的直线的图形。

范例3:

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

输出

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

在上面的代码中

  • 首先, 我们导入了别名为np的numpy。
  • 我们已经声明了变量” x”并分配了np.log()函数的返回值。
  • 我们在函数中传递了不同的值, 例如整数值, np.e和np.e ** 2。
  • 最后, 我们尝试打印’x’的值。

在输出中, 显示了一个ndarray, 其中包含源数组元素的日志值。


赞(1) 打赏
未经允许不得转载:srcmini » Python中的numpy.log()用法
分享到: 更多 (0)

评论 抢沙发

评论前必须登录!

 

觉得文章有用就打赏一下文章作者

微信扫一扫打赏