The numpy.log() je matematična funkcija, ki uporabniku pomaga izračunati Naravni logaritem x kjer x pripada vsem elementom vhodne matrike. Dnevnik naravnega logaritma je obratno od exp() , tako da log(exp(x)) = x . Naravni logaritem je log z osnovo e.
Sintaksa: numpy.log(x[, out] = ufunc 'log1p') Parametri: niz: [array_like] Vhodna matrika ali predmet. ven: [ndarray, neobvezno] Izhodna matrika enakih dimenzij kot vhodna matrika, postavljena z rezultatom. Povratek: Niz z naravno logaritemsko vrednostjo x; kjer x pripada vsem elementom vhodne matrike.
Koda #1 : Deluje
Python3
kako najti skrite stvari na androidu
temeljna vprašanja za razgovor o 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>))> |
>
kako pretvoriti niz v celo število v Javi
>
Izhod:
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>
Koda #2 : Grafična predstavitev
Python3
primer podniza v Javi
# 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()> |
>
vrste strojnega učenja
>
Izhod:
out_array : [ 0. 0.18232156 0.33647224 0.47000363 0.58778666 0.69314718]>
numpy.log() je funkcija v knjižnici NumPy v Pythonu, ki se uporablja za izračun naravnega logaritma danega vnosa. Naravni logaritem je matematična funkcija, ki je inverzna eksponentni funkciji. Funkcija sprejme matriko ali skalar kot vhod in vrne matriko ali skalar z naravnim logaritmom vsakega elementa.
Prednosti uporabe funkcije numpy.log() v Pythonu:
- Hitrost: funkcija numpy.log() je zelo optimizirana za hitro računanje, zaradi česar je primerna za ravnanje z velikimi nabori podatkov in kompleksnimi izračuni v znanstvenem računalništvu in analizi podatkov.
- Matematična natančnost: funkcija numpy.log() zagotavlja visoko matematično natančnost za izračun naravnih logaritmov, zaradi česar je uporabna pri numeričnih simulacijah in znanstvenih poskusih.
- Vsestranskost: funkcijo numpy.log() je mogoče uporabiti s širokim naborom vrst vnosov, vključno s skalarji, nizi in matrikami.
- Integracija z drugimi funkcijami NumPy: funkcijo numpy.log() je mogoče enostavno integrirati z drugimi funkcijami in knjižnicami NumPy, kar omogoča bolj zapletene izračune in analizo podatkov.
Slabosti uporabe funkcije numpy.log() v Pythonu:
- Omejena domena: funkcija numpy.log() je definirana samo za pozitivna realna števila in bo sprožila ValueError, če bo podana nepozitivna številka.
- Omejena funkcionalnost: Čeprav je funkcija numpy.log() uporabna za izračun naravnih logaritmov, ima omejeno funkcionalnost v primerjavi z drugimi bolj specializiranimi knjižnicami in funkcijami za matematične operacije in analizo podatkov.
- Zahteva knjižnico NumPy: če želite uporabljati funkcijo numpy.log(), morate imeti knjižnico NumPy nameščeno in uvoženo v vaše okolje Python, kar lahko povzroči nekaj dodatnih stroškov vaši kodi in morda ni primerno za nekatere aplikacije.
Tukaj je nekaj pomembnih točk, ki jih morate upoštevati pri uporabi funkcije numpy.log() v Pythonu:
- Funkcija numpy.log() izračuna naravni logaritem danega vnosa.
- Naravni logaritem je matematična funkcija, ki je inverzna eksponentni funkciji.
- Funkcija sprejme matriko ali skalar kot vhod in vrne matriko ali skalar z naravnim logaritmom vsakega elementa.
- Funkcija numpy.log() je zelo optimizirana za hitro računanje, zaradi česar je primerna za ravnanje z velikimi nabori podatkov in kompleksnimi izračuni v znanstvenem računalništvu in analizi podatkov.
- Funkcijo numpy.log() je mogoče uporabiti s širokim naborom vrst vnosov, vključno s skalarji, nizi in matrikami.
- Funkcija numpy.log() je definirana samo za pozitivna realna števila in bo sprožila ValueError, če je podano nepozitivno število.
- Funkcija numpy.log() zagotavlja visoko matematično natančnost za izračun naravnih logaritmov, zaradi česar je uporabna pri numeričnih simulacijah in znanstvenih poskusih.
- Če želite uporabljati funkcijo numpy.log(), morate imeti knjižnico NumPy nameščeno in uvoženo v vaše okolje Python.
Če iščete referenčno knjigo
na NumPy je ena priljubljena možnost Python za analizo podatkov Wesa McKinneyja. Ta knjiga podrobno obravnava NumPy, skupaj z drugimi pomembnimi knjižnicami Python za analizo podatkov, kot sta pandas in matplotlib. Vključuje tudi praktične primere in vaje, ki vam bodo pomagale uporabiti naučeno.