numpy.log() е математическа функция, която се използва за изчисляване на естествения логаритъм на x (x принадлежи на всички елементи на входния масив). Това е обратна на експоненциалната функция, както и натурален логаритъм по елементи. Натуралният логаритъм log е обратната на експоненциалната функция, така че log(exp(x))=x. Логаритъмът при основа е е натурален логаритъм.
Синтаксис
numpy.log(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) =
Параметри
x: array_like
намери моя iphone android
Този параметър дефинира входната стойност за функцията numpy.log().
out: ndarray, None или кортеж от ndarray и None (по избор)
Този параметър се използва за определяне на местоположението, в което се съхранява резултатът. Ако дефинираме този параметър, той трябва да има форма, подобна на входното излъчване; в противен случай се връща прясно разпределен масив. Кортежът има дължина, равна на броя на изходите.
където: array_like (по избор)
Това е условие, което се излъчва през входа. На това място, където условието е True, изходящият масив ще бъде настроен на резултата ufunc(универсална функция); в противен случай ще запази първоначалната си стойност.
кастинг: {'no','equiv','safe','same_kind','unsafe'}(по избор)
java е instanceof
Този параметър контролира вида кастинг на данни, който може да възникне. „Не“ означава, че типовете данни изобщо не трябва да се прехвърлят. „Equiv“ означава, че са разрешени само промени в реда на байтовете. „Сейфът“ означава единствената отливка, която може да позволи запазената стойност. „same_kind“ означава само безопасни отливки или отливки в рамките на вид. „Несигурно“ означава, че могат да се извършват всякакви преобразувания на данни.
ред: {'K', 'C', 'F', 'A'}(по избор)
Този параметър определя реда на итерация на изчислението/оформлението на паметта на изходния масив. По подразбиране редът ще бъде K. Редът „C“ означава, че изходът трябва да бъде C-непрекъснат. Редът „F“ означава F-непрекъснат, а „A“ означава F-непрекъснат, ако входовете са F-непрекъснати и ако входовете са в C-непрекъснат, тогава „A“ означава C-непрекъснат. „K“ означава да съответства на реда на елементите на входовете (колкото е възможно по-точно).
dtype: тип данни (по избор)
Той замества dtype на изчислението и изходните масиви.
тест: bool (по избор)
По подразбиране този параметър е зададен на true. Ако го зададем на false, изходът винаги ще бъде строг масив, а не подтип.
подпис
Този аргумент ни позволява да предоставим специфичен подпис на 1-d цикъла „за“, използван в основното изчисление.
extobj
Този параметър е списък с дължина 1, 2 или 3, указващ размера на буфера ufunc, цялото число на режима на грешка и функцията за обратно извикване на грешка.
алгоритъм на kruskals
Се завръща
Тази функция връща ndarray, който съдържа естествената логаритмична стойност на x, която принадлежи на всички елементи на входния масив.
Пример 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
Изход:
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])
В горепосочения код
- Импортирахме numpy с псевдоним np.
- Създадохме масив 'a' с помощта на функцията np.array().
- Декларирахме променливи b, c и d и присвоихме върнатата стойност съответно на функциите np.log(), np.log2() и np.log10().
- Предадохме масива 'a' във всички функции.
- Накрая се опитахме да отпечатаме стойността на b, c и d.
В изхода е показан ndarray, който съдържа стойностите log, log2 и log10 на всички елементи на изходния масив.
Пример 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()
Изход:
В горния код
- Импортирахме numpy с псевдоним np.
- Също така импортирахме matplotlib.pyplot с псевдоним plt.
- След това създадохме масив 'arr' с помощта на функцията np.array().
- След това декларирахме променливи result1, result2, result3 и присвоихме върнатите стойности съответно на функциите np.log(), np.log2() и np.log10().
- Предадохме масива 'arr' във всички функции.
- Накрая се опитахме да начертаем стойностите на 'arr', result1, result2 и result3.
В резултата е показана графика с четири прави линии с различни цветове.
процесът на android acore продължава да спира
Пример 3:
import numpy as np x=np.log([2, np.e, np.e**3, 0]) x
Изход:
__main__:1: RuntimeWarning: divide by zero encountered in log array([0.69314718, 1. , 3. , -inf])
В горния код
- Първо, импортирахме numpy с псевдоним np.
- Декларирахме променливата 'x' и присвоихме върнатата стойност на функциите np.log().
- Предадохме различни стойности във функцията, като цяло число, np.e и np.e**2.
- Накрая се опитахме да отпечатаме стойността на 'x'.
В изхода е показан ndarray, който съдържа регистрационните стойности на елементите на изходния масив.