numpy.log() — це математична функція, яка використовується для обчислення натурального логарифма x (x належить усім елементам вхідного масиву). Це обернена експоненціальна функція, а також поелементний натуральний логарифм. Натуральний логарифм log є оберненим до експоненціальної функції, так що log(exp(x))=x. Логарифм за основою e є натуральним логарифмом.

Синтаксис

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

Параметри

x: array_like

Цей параметр визначає вхідне значення для функції numpy.log().

string.format у java

вихід: ndarray, None або кортеж із ndarray і None (необов’язково)

Цей параметр використовується для визначення розташування, у якому зберігається результат. Якщо ми визначаємо цей параметр, він повинен мати форму, подібну до вхідної трансляції; інакше повертається щойно виділений масив. Довжина кортежу дорівнює кількості виходів.

де: array_like (опціонально)

Це умова, яка транслюється через вхід. У цьому місці, де умова має значення True, вихідний масив буде встановлено на результат ufunc(універсальна функція); інакше він збереже своє початкове значення.

кастинг: {'no','equiv','safe','same_kind','unsafe'}(необов'язково)

Цей параметр керує типом трансляції даних, який може відбуватися. «Ні» означає, що типи даних взагалі не повинні бути приведені. 'Equiv' означає, що дозволені лише зміни порядку байтів. «Сейф» означає єдиний зліпок, який може дозволити зберегти цінність. 'same_kind' означає лише безпечні приведення або приведення в межах виду. «Небезпечно» означає, що можна виконувати будь-які перетворення даних.

порядок: {'K', 'C', 'F', 'A'}(необов'язково)

Цей параметр визначає порядок ітерацій обчислення/розташування пам’яті вихідного масиву. За замовчуванням порядок буде K. Порядок «C» означає, що результат має бути C-суміжним. Порядок «F» означає F-суміжний, а «A» означає F-суміжний, якщо вхідні дані є F-суміжними, а якщо входи знаходяться в C-суміжному, то «A» означає C-суміжний. «K» означає відповідність порядку елементів входів (якомога точніше).

dtype: тип даних (необов'язково)

Він замінює dtype обчислень і вихідних масивів.

як перетворити ціле число на рядок java

тест: bool (необов'язково)

За замовчуванням цей параметр має значення true. Якщо ми встановимо значення false, результат завжди буде суворим масивом, а не підтипом.

підпис

повна форма ssh

Цей аргумент дозволяє нам надати певний підпис одновимірному циклу for, який використовується в базовому обчисленні.

extobj

Цей параметр є списком довжиною 1, 2 або 3, який визначає розмір буфера ufunc, ціле число режиму помилки та функцію зворотного виклику помилки.

Повернення

Ця функція повертає ndarray, який містить натуральне логарифмічне значення x, яке належить усім елементам вхідного масиву.

приклад 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 

Вихід:

 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]) 

У згаданому вище коді

• Ми імпортували numpy з псевдонімом np.
• Ми створили масив 'a' за допомогою функції np.array().
• Ми оголосили змінні b, c і d і присвоїли значення, що повертається функціям np.log(), np.log2() і np.log10() відповідно.
• Ми передали масив 'a' в усі функції.
• Нарешті, ми спробували надрукувати значення b, c і d.

У вихідних даних було показано масив ndarray, який містить значення log, log2 і log10 усіх елементів вихідного масиву.

приклад 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() 

Вихід:

список ініціалізації python

У наведеному вище коді

• Ми імпортували numpy з псевдонімом np.
• Ми також імпортували matplotlib.pyplot із псевдонімом plt.
• Далі ми створили масив 'arr' за допомогою функції np.array().
• Після цього ми оголосили змінні result1, result2, result3 і присвоїли значення, що повертаються функціям np.log(), np.log2() і np.log10() відповідно.
• Ми передали масив «arr» у всі функції.
• Нарешті, ми спробували побудувати значення 'arr', result1, result2 і result3.

На виході було показано графік із чотирма прямими лініями різного кольору.

приклад 3:

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

Вихід:

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

У наведеному вище коді

• По-перше, ми імпортували numpy з псевдонімом np.
• Ми оголосили змінну 'x' і присвоїли значення, що повертається функціями np.log().
• Ми передали у функцію різні значення, наприклад ціле значення, np.e та np.e**2.
• Нарешті, ми спробували надрукувати значення 'x'.

У вихідних даних було показано ndarray, який містить значення журналу елементів вихідного масиву.