logo

TechCodeview

numpy.log() a Python

El numpy.log() és una funció matemàtica que ajuda l'usuari a calcular Logaritme natural de x on x pertany a tots els elements de la matriu d'entrada. El registre de logaritme natural és el invers de l'exp() , i que log(exp(x)) = x . El logaritme natural és logaritme en base e.

Sintaxi: numpy.log(x[, fora] = ufunc 'log1p') Paràmetres: matriu: [array_like] Matriu o objecte d'entrada. fora: [ndarray, opcional] Matriu de sortida amb les mateixes dimensions que la matriu d'entrada, col·locada amb el resultat. Tornada: Una matriu amb un valor logarítmic natural de x; on x pertany a tots els elements de la matriu d'entrada.

Codi #1: Funcionant



Python 3


substituir un color a gimp



matemàtiques java
# 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>))> 

>

dinàmica de matriu java 

>

Sortida: 

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>

Codi #2: Representació gràfica

Python 3


operador ternari java



# 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()> 

>

què és l'objecte java 
>

Sortida: 

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

numpy.log() és una funció de la biblioteca NumPy de Python que s'utilitza per calcular el logaritme natural d'una entrada determinada. El logaritme natural és una funció matemàtica que és la inversa de la funció exponencial. La funció pren una matriu o un escalar com a entrada i retorna una matriu o un escalar amb el logaritme natural de cada element.

Avantatges d'utilitzar la funció numpy.log() a Python:

  1. Velocitat: la funció numpy.log() està molt optimitzada per a un càlcul ràpid, cosa que la fa adequada per manejar grans conjunts de dades i càlculs complexos en informàtica científica i anàlisi de dades.
  2. Precisió matemàtica: la funció numpy.log() proporciona una gran precisió matemàtica per calcular logaritmes naturals, cosa que la fa útil en simulacions numèriques i experiments científics.
  3. Versatilitat: la funció numpy.log() es pot utilitzar amb una àmplia gamma de tipus d'entrada, inclosos escalars, matrius i matrius.
  4. Integració amb altres funcions NumPy: la funció numpy.log() es pot integrar fàcilment amb altres funcions i biblioteques NumPy, permetent càlculs i anàlisis de dades més complexos.

Desavantatges d'utilitzar la funció numpy.log() a Python:

  1. Domini limitat: la funció numpy.log() només es defineix per a nombres reals positius i generarà un ValueError si es dóna un nombre no positiu.
  2. Funcionalitat limitada: tot i que la funció numpy.log() és útil per calcular logaritmes naturals, té una funcionalitat limitada en comparació amb altres biblioteques i funcions més especialitzades per a operacions matemàtiques i anàlisi de dades.
  3. Requereix la biblioteca NumPy: per utilitzar la funció numpy.log(), heu de tenir la biblioteca NumPy instal·lada i importada al vostre entorn Python, que pot afegir una mica de sobrecàrrega al vostre codi i pot ser que no sigui adequada per a determinades aplicacions.

Aquests són alguns punts importants que cal tenir en compte quan utilitzeu la funció numpy.log() a Python:

  1. La funció numpy.log() calcula el logaritme natural d'una entrada determinada.
  2. El logaritme natural és una funció matemàtica que és la inversa de la funció exponencial.
  3. La funció pren una matriu o un escalar com a entrada i retorna una matriu o un escalar amb el logaritme natural de cada element.
  4. La funció numpy.log() està molt optimitzada per a càlculs ràpids, la qual cosa la fa adequada per manejar grans conjunts de dades i càlculs complexos en informàtica científica i anàlisi de dades.
  5. La funció numpy.log() es pot utilitzar amb una àmplia gamma de tipus d'entrada, inclosos escalars, matrius i matrius.
  6. La funció numpy.log() només es defineix per a nombres reals positius i generarà un ValueError si es dóna un nombre no positiu.
  7. La funció numpy.log() proporciona una gran precisió matemàtica per calcular logaritmes naturals, cosa que la fa útil en simulacions numèriques i experiments científics.
  8. Per utilitzar la funció numpy.log(), heu de tenir instal·lada i importada la biblioteca NumPy al vostre entorn Python.

Si estàs buscant un llibre de referència

a NumPy, una opció popular és Python per a l'anàlisi de dades de Wes McKinney. Aquest llibre tracta NumPy en profunditat, juntament amb altres biblioteques importants de Python per a l'anàlisi de dades, com ara pandas i matplotlib. També inclou exemples pràctics i exercicis que us ajudaran a aplicar el que apreneu.