Numpy.log() yra matematinė funkcija, naudojama apskaičiuoti natūralųjį x(x priklauso visiems įvesties masyvo elementams) logaritmą. Tai yra atvirkštinė eksponentinė funkcija, taip pat natūralusis logaritmas pagal elementus. Natūralaus logaritmo log yra atvirkštinė eksponentinė funkcija, todėl log(exp(x))=x. Logaritmas e bazėje yra natūralusis logaritmas.
Sintaksė
numpy.log(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) =
Parametrai
x: panašus į masyvą
Šis parametras apibrėžia funkcijos numpy.log() įvesties reikšmę.
out: ndarray, None arba ndarray ir None (nebūtina)
Šis parametras naudojamas nustatyti vietą, kurioje saugomas rezultatas. Jei apibrėžiame šį parametrą, jo forma turi būti panaši į įvesties transliaciją; kitu atveju grąžinamas naujai paskirtas masyvas. Kortelės ilgis lygus išėjimų skaičiui.
kur: array_like (neprivaloma)
Tai sąlyga, kuri transliuojama per įvestį. Šioje vietoje, kur sąlyga yra True, išvesties masyvas bus nustatytas į ufunc (universalios funkcijos) rezultatą; priešingu atveju jis išsaugos savo pradinę vertę.
perdavimas: {'ne','equiv','safe','same_kind','nesafe'} (pasirenkama)
java hello world pavyzdys
Šis parametras valdo galimo duomenų perdavimo tipą. „Ne“ reiškia, kad duomenų tipai apskritai neturėtų būti perduodami. „Ekviva“ reiškia, kad leidžiami tik baitų eilės pakeitimai. „Seifas“ reiškia vienintelį įtaisą, kuris gali leisti išsaugoti vertę. Sąvoka „same_kind“ reiškia tik saugius užmetimus arba metimus rūšyje. „Nesaugus“ reiškia, kad gali būti atliekamos bet kokios duomenų konversijos.
tvarka: {'K', 'C', 'F', 'A'} (pasirenkama)
Šis parametras nurodo skaičiavimo iteracijos tvarką / išvesties masyvo atminties išdėstymą. Pagal numatytuosius nustatymus tvarka bus K. Eilė „C“ reiškia, kad išvestis turi būti greta C. Tvarka „F“ reiškia F gretimą, o „A“ reiškia F gretimą, jei įėjimai yra gretimi su F, o jei įėjimai yra gretimi su C, tada „A“ reiškia C gretimą. „K“ reiškia įvesties elementų išdėstymo atitikimą (kuo tiksliau).
java parse string į int
dtype: duomenų tipas (neprivaloma)
Jis nepaiso skaičiavimo ir išvesties masyvų dtype.
testas: bool (neprivaloma)
Pagal numatytuosius nustatymus šis parametras nustatytas kaip tiesa. Jei nustatysime jį į false, išvestis visada bus griežtas masyvas, o ne potipis.
parašas
Šis argumentas leidžia pateikti konkretų parašą 1 d kilpai „for“, naudojamai pagrindiniame skaičiavime.
extobj
Šis parametras yra 1, 2 arba 3 ilgio sąrašas, nurodantis ufunc buferio dydį, sveikąjį klaidos režimo skaičių ir klaidų iškvietimo funkciją.
Grąžina
Ši funkcija grąžina ndarray, kuriame yra natūrali x logaritminė reikšmė, kuri priklauso visiems įvesties masyvo elementams.
1 pavyzdys:
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
Išvestis:
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])
Aukščiau minėtame kode
- Mes importavome numpy su slapyvardžiu np.
- Sukūrėme masyvą „a“ naudodami funkciją np.array().
- Deklaravome kintamąjį b, c ir d ir atitinkamai priskyrėme grąžintą np.log(), np.log2() ir np.log10() funkcijų reikšmę.
- Mes perdavėme masyvą „a“ visose funkcijose.
- Galiausiai bandėme atspausdinti b, c ir d reikšmę.
Išvestyje buvo parodytas ndarray, kuriame yra visų šaltinio masyvo elementų log, log2 ir log10 reikšmės.
2 pavyzdys:
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()
Išvestis:
pitono rūšiavimo korteles
Aukščiau pateiktame kode
- Mes importavome numpy su slapyvardžiu np.
- Taip pat importavome matplotlib.pyplot su slapyvardžiu plt.
- Tada mes sukūrėme masyvą „arr“, naudodami funkciją np.array().
- Po to deklaravome kintamąjį result1, result2, result3 ir atitinkamai priskyrėme grąžintas np.log(), np.log2() ir np.log10() funkcijų reikšmes.
- Mes išlaikėme masyvą „arr“ visose funkcijose.
- Galiausiai bandėme nubraižyti „arr“, 1, 2 ir 3 reikšmes.
Išvestyje parodytas grafikas su keturiomis tiesiomis linijomis su skirtingomis spalvomis.
3 pavyzdys:
import numpy as np x=np.log([2, np.e, np.e**3, 0]) x
Išvestis:
__main__:1: RuntimeWarning: divide by zero encountered in log array([0.69314718, 1. , 3. , -inf])
Aukščiau pateiktame kode
- Pirma, mes importavome numpy su slapyvardžiu np.
- Deklaravome kintamąjį 'x' ir priskyrėme grąžintą np.log() funkcijų reikšmę.
- Funkcijoje perdavėme skirtingas reikšmes, pvz., sveikojo skaičiaus reikšmę, np.e ir np.e**2.
- Galiausiai bandėme atspausdinti „x“ reikšmę.
Išvestyje buvo parodytas ndarray, kuriame yra šaltinio masyvo elementų log reikšmės.