logo

TechCodeview

numpy.log() у Python

The numpy.log() це математична функція, яка допомагає користувачеві обчислювати Натуральний логарифм x де x належить усім елементам вхідного масиву. Журнал натурального логарифма є зворотний до exp() , так що log(exp(x)) = x . Натуральний логарифм є логарифмом за основою e.

Синтаксис: numpy.log(x[, out] = ufunc ‘log1p’) Параметри: масив: [array_like] Вхідний масив або об’єкт. вихід: [ndarray, необов’язково] Вихідний масив із такими ж розмірами, що й вхідний масив, розміщений разом із результатом. Повернення: Масив із натуральним логарифмічним значенням x; де x належить усім елементам вхідного масиву.

Код №1: Працює



string.format у java

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>))> 

>

>

як перетворити ціле число на рядок java

Вихід: 

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>

Код #2: Графічне представлення

Python3

повна форма ssh




# 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()> 

>

список ініціалізації python 
>

Вихід: 

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

numpy.log() — це функція в бібліотеці NumPy Python, яка використовується для обчислення натурального логарифма заданого введення. Натуральний логарифм — це математична функція, обернена експоненціальній функції. Функція приймає масив або скаляр як вхідні дані та повертає масив або скаляр із натуральним логарифмом кожного елемента.

Переваги використання функції numpy.log() у Python:

  1. Швидкість: функція numpy.log() оптимізована для швидких обчислень, що робить її придатною для обробки великих наборів даних і складних обчислень у наукових обчисленнях і аналізі даних.
  2. Математична точність: функція numpy.log() забезпечує високу математичну точність для обчислення натуральних логарифмів, що робить її корисною в чисельному моделюванні та наукових експериментах.
  3. Універсальність: функцію numpy.log() можна використовувати з широким діапазоном типів вхідних даних, включаючи скаляри, масиви та матриці.
  4. Інтеграція з іншими функціями NumPy: функцію numpy.log() можна легко інтегрувати з іншими функціями та бібліотеками NumPy, що дозволяє виконувати складніші обчислення та аналізувати дані.

Недоліки використання функції numpy.log() у Python:

  1. Обмежений домен: функція numpy.log() визначена лише для додатних дійсних чисел і викличе помилку ValueError, якщо задано недодатне число.
  2. Обмежена функціональність. Хоча функція numpy.log() корисна для обчислення натуральних логарифмів, вона має обмежену функціональність порівняно з іншими більш спеціалізованими бібліотеками та функціями для математичних операцій і аналізу даних.
  3. Потрібна бібліотека NumPy: щоб використовувати функцію numpy.log(), вам потрібно встановити та імпортувати бібліотеку NumPy у ваше середовище Python, що може збільшити витрати на ваш код і може бути непридатним для певних програм.

Ось кілька важливих моментів, про які слід пам’ятати під час використання функції numpy.log() у Python:

  1. Функція numpy.log() обчислює натуральний логарифм заданого введення.
  2. Натуральний логарифм — це математична функція, обернена експоненціальній функції.
  3. Функція приймає масив або скаляр як вхідні дані та повертає масив або скаляр із натуральним логарифмом кожного елемента.
  4. Функція numpy.log() оптимізована для швидких обчислень, що робить її придатною для обробки великих наборів даних і складних обчислень у наукових обчисленнях і аналізі даних.
  5. Функцію numpy.log() можна використовувати з різними типами вхідних даних, включаючи скаляри, масиви та матриці.
  6. Функція numpy.log() визначена лише для додатних дійсних чисел і викличе помилку ValueError, якщо задано недодатне число.
  7. Функція numpy.log() забезпечує високу математичну точність для обчислення натуральних логарифмів, що робить її корисною для чисельного моделювання та наукових експериментів.
  8. Щоб використовувати функцію numpy.log(), вам потрібно встановити та імпортувати бібліотеку NumPy у ваше середовище Python.

Якщо ви шукаєте довідник

на NumPy одним із популярних варіантів є Python for Data Analysis від Wes McKinney. У цій книзі детально розглядається NumPy, а також інші важливі бібліотеки Python для аналізу даних, такі як pandas і matplotlib. Він також містить практичні приклади та вправи, які допоможуть вам застосувати те, що ви дізналися.