Python bietet im Modul viele integrierte logarithmische Funktionen Mathematik Dadurch können wir Protokolle mit einer einzigen Zeile berechnen. Es gibt 4 Varianten logarithmischer Funktionen, die alle in diesem Artikel besprochen werden.
1. log(a,(Basis)) : Mit dieser Funktion wird die berechnet natürlicher Logarithmus (Basis e) von a. Wenn zwei Argumente übergeben werden, berechnet es den Logarithmus der gewünschten Basis des Arguments a, numerischer Wert von log(a)/log(Basis) .
Syntax : math.log(a,Base) Parameters : a : The numeric value Base : Base to which the logarithm has to be computed. Return Value : Returns natural log if 1 argument is passed and log with specified base if 2 arguments are passed. Exceptions : Raises ValueError if a negative no. is passed as argument.>
Python3
Panda schmelzen
# Python code to demonstrate the working of> # log1p(a)> import> math> # Printing the log(1+a) of 14> print> (>'Logarithm(1+a) value of 14 is : '>, end>=>'')> print> (math.log1p(>14>))> |
>
>
Ausgabe :
Natural logarithm of 14 is : 2.6390573296152584 Logarithm base 5 of 14 is : 1.6397385131955606>
2. log2(a) : Mit dieser Funktion wird die berechnet Logarithmus zur Basis 2 von einem. Zeigt ein genaueres Ergebnis als log(a,2).
Syntax : math.log2(a) Parameters : a : The numeric value Return Value : Returns logarithm base 2 of a Exceptions : Raises ValueError if a negative no. is passed as argument.>
Python3
# Python code to demonstrate the Exception of> # log(a)> import> math> # Printing the log(a) of -14> # Throws Exception> print> (>'log(a) value of -14 is : '>, end>=>'')> print> (math.log(>->14>))> |
>
>
Ausgabe :
Logarithm base 2 of 14 is : 3.807354922057604>
3. log10(a) : Mit dieser Funktion wird die berechnet Logarithmus zur Basis 10 von einem. Zeigt ein genaueres Ergebnis als log(a,10) an.
Syntax : math.log10(a) Parameters : a : The numeric value Return Value : Returns logarithm base 10 of a Exceptions : Raises ValueError if a negative no. is passed as argument.>
Python3
# Python code to demonstrate the Application of> # log10(a)> import> math> # Printing no. of digits in 73293> print> (>'The number of digits in 73293 are : '>, end>=>'')> print> (>int>(math.log10(>73293>)>+> 1>))> |
>
>
Ausgabe :
Logarithm base 10 of 14 is : 1.146128035678238>
3. log1p(a) : Diese Funktion wird zur Berechnung verwendet Logarithmus(1+a) .
Syntax : math.log1p(a) Parameters : a : The numeric value Return Value : Returns log(1+a) Exceptions : Raises ValueError if a negative no. is passed as argument.>
Python3
>
>
Ausgabe :
Logarithm(1+a) value of 14 is : 2.70805020110221>Ausnahme
1. ValueError: Diese Funktion gibt einen Wertfehler zurück, wenn die Zahl lautet Negativ .
Python3
# Python code to demonstrate the Exception of> # log(a)> import> math> # Printing the log(a) of -14> # Throws Exception> print> (>'log(a) value of -14 is : '>, end>=>'')> print> (math.log(>->14>))> |
>
>
Ausgabe :
log(a) value of -14 is :>
Laufzeit Fehler :
Traceback (most recent call last): File '/home/8a74e9d7e5adfdb902ab15712cbaafe2.py', line 9, in print (math.log(-14)) ValueError: math domain error>Praktische Anwendung
Eine der Anwendungen der Funktion log10() besteht darin, dass sie zur Berechnung von verwendet wird NEIN. der Ziffern einer Zahl . Der folgende Code veranschaulicht dasselbe.
Python3
# Python code to demonstrate the Application of> # log10(a)> import> math> # Printing no. of digits in 73293> print> (>'The number of digits in 73293 are : '>, end>=>'')> print> (>int>(math.log10(>73293>)>+> 1>))> |
>
>
Ausgabe :
The number of digits in 73293 are : 5>
Der natürliche Logarithmus (log) ist eine wichtige mathematische Funktion in Python, die häufig in wissenschaftlichen Berechnungen, Datenanalysen und maschinellen Lernanwendungen verwendet wird. Hier sind einige Vor- und Nachteile, wichtige Punkte und Nachschlagewerke im Zusammenhang mit Protokollfunktionen in Python:
Vorteile:
Die Protokollfunktion ist nützlich, um Daten mit einem breiten Wertebereich oder einer Nicht-Normalverteilung in eine normaler verteilte Form umzuwandeln, was die Genauigkeit statistischer Analysen und Modelle für maschinelles Lernen verbessern kann.
Die Protokollfunktion wird in der Finanz- und Wirtschaftswissenschaft häufig zur Berechnung von Zinseszinsen, Barwerten und anderen Finanzkennzahlen verwendet.
Die Protokollfunktion kann verwendet werden, um die Auswirkung von Ausreißern auf statistische Analysen zu reduzieren, indem der Umfang der Daten komprimiert wird.
Mit der Log-Funktion können Daten mit großem Dynamikbereich oder mit Werten nahe Null visualisiert werden.
Nachteile:
Die Protokollfunktion kann bei großen Datensätzen rechenintensiv sein, insbesondere wenn die Protokollfunktion wiederholt angewendet wird.
Die Protokollfunktion ist möglicherweise nicht für alle Datentypen geeignet, z. B. kategoriale Daten oder Daten mit einem begrenzten Bereich.
Wichtige Punkte:
- Der natürliche Logarithmus (log) wird mit der Funktion numpy.log() in Python berechnet.
- Der Logarithmus mit einer anderen Basis als e kann mit den Funktionen numpy.log10() oder numpy.log2() in Python berechnet werden.
- Die Umkehrung des natürlichen Logarithmus ist die Exponentialfunktion, die mit der Funktion numpy.exp() in Python berechnet werden kann.
- Bei der Verwendung von Logarithmen für statistische Analysen oder maschinelles Lernen ist es wichtig, daran zu denken, die Daten nach der Analyse wieder in ihren ursprünglichen Maßstab umzuwandeln.
Nachschlagewerke:
„Python for Data Analysis“ von Wes McKinney behandelt die NumPy-Bibliothek und ihre Anwendungen in der Datenanalyse ausführlich, einschließlich der logarithmischen Funktion.
Numerical Python: A Practical Techniques Approach for Industry von Robert Johansson behandelt die NumPy-Bibliothek und ihre Anwendungen im numerischen Rechnen und im wissenschaftlichen Rechnen ausführlich, einschließlich der logarithmischen Funktion.
Das Python Data Science Handbook von Jake VanderPlas behandelt die NumPy-Bibliothek und ihre Anwendungen in der Datenwissenschaft ausführlich, einschließlich der logarithmischen Funktion.