logo

numpy.log() in Python

numpy.log() ist eine mathematische Funktion, die zur Berechnung des natürlichen Logarithmus von x verwendet wird (x gehört zu allen Eingabearray-Elementen). Es ist die Umkehrung der Exponentialfunktion sowie ein elementweiser natürlicher Logarithmus. Der natürliche Logarithmus log ist die Umkehrung der Exponentialfunktion, sodass log(exp(x))=x. Der Logarithmus zur Basis e ist der natürliche Logarithmus.

Syntax

 numpy.log(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 

Parameter

x: array_like

Dieser Parameter definiert den Eingabewert für die Funktion numpy.log().

out: ndarray, None oder Tupel aus ndarray und None (optional)

Mit diesem Parameter wird der Ort definiert, an dem das Ergebnis gespeichert wird. Wenn wir diesen Parameter definieren, muss er eine ähnliche Form wie die Eingabesendung haben; andernfalls wird ein frisch zugewiesenes Array zurückgegeben. Die Länge eines Tupels entspricht der Anzahl der Ausgänge.

wobei: array_like(optional)

Es handelt sich um eine Bedingung, die über den Eingang übertragen wird. An dieser Stelle, an der die Bedingung „True“ ist, wird das Out-Array auf das ufunc(universal function)-Ergebnis gesetzt; andernfalls behält es seinen ursprünglichen Wert.

Casting: {'no','equiv','safe','same_kind','unsafe'}(optional)

Dieser Parameter steuert die Art der Datenumwandlung, die stattfinden kann. Das „Nein“ bedeutet, dass die Datentypen überhaupt nicht umgewandelt werden sollten. Das „equiv“ bedeutet, dass nur Änderungen der Bytereihenfolge zulässig sind. Der „Tresor“ bedeutet die einzige Besetzung, die den erhaltenen Wert ermöglichen kann. „same_kind“ bedeutet nur sichere Casts oder Casts innerhalb einer Art. „Unsicher“ bedeutet, dass beliebige Datenkonvertierungen durchgeführt werden können.

Reihenfolge: {'K', 'C', 'F', 'A'}(optional)

Dieser Parameter gibt die Berechnungsiterationsreihenfolge/Speicherlayout des Ausgabearrays an. Standardmäßig ist die Reihenfolge K. Die Reihenfolge „C“ bedeutet, dass die Ausgabe C-zusammenhängend sein sollte. Die Reihenfolge „F“ bedeutet F-zusammenhängend und „A“ bedeutet F-zusammenhängend, wenn die Eingaben F-zusammenhängend sind und wenn die Eingaben in C-zusammenhängend sind, dann bedeutet „A“ C-zusammenhängend. „K“ bedeutet, dass die Elementreihenfolge der Eingaben so genau wie möglich übereinstimmt.

dtype: Datentyp (optional)

Es überschreibt den dtype der Berechnungs- und Ausgabearrays.

Test: bool (optional)

Standardmäßig ist dieser Parameter auf true gesetzt. Wenn wir es auf „false“ setzen, ist die Ausgabe immer ein striktes Array und kein Untertyp.

Unterschrift

Dieses Argument ermöglicht es uns, der 1-d-Schleife „for“ eine spezifische Signatur bereitzustellen, die in der zugrunde liegenden Berechnung verwendet wird.

extobj

Dieser Parameter ist eine Liste der Länge 1, 2 oder 3, die die ufunc-Puffergröße, die Fehlermodus-Ganzzahl und die Fehlerrückruffunktion angibt.

Kehrt zurück

Diese Funktion gibt ein ndarray zurück, das den natürlichen logarithmischen Wert von x enthält, der zu allen Elementen des Eingabearrays gehört.

Beispiel 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 

Ausgabe:

 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]) 

Im oben genannten Code

  • Wir haben numpy mit dem Aliasnamen np importiert.
  • Wir haben mit der Funktion np.array() ein Array „a“ ​​erstellt.
  • Wir haben die Variablen b, c und d deklariert und den zurückgegebenen Werten der Funktionen np.log(), np.log2() bzw. np.log10() zugewiesen.
  • Wir haben in allen Funktionen das Array „a“ ​​übergeben.
  • Zuletzt haben wir versucht, den Wert von b, c und d auszudrucken.

In der Ausgabe wurde ein ndarray angezeigt, das die Werte log, log2 und log10 aller Elemente des Quellarrays enthält.

Beispiel 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() 

Ausgabe:

wie man Musik herunterlädt
numpy.log()

Im obigen Code

  • Wir haben numpy mit dem Aliasnamen np importiert.
  • Wir haben auch matplotlib.pyplot mit dem Aliasnamen plt importiert.
  • Als nächstes haben wir mit der Funktion np.array() ein Array „arr“ erstellt.
  • Danach haben wir die Variablen result1, result2, result3 deklariert und die zurückgegebenen Werte der Funktionen np.log(), np.log2() bzw. np.log10() zugewiesen.
  • Wir haben in allen Funktionen das Array „arr“ übergeben.
  • Zuletzt haben wir versucht, die Werte von „arr“, result1, result2 und result3 darzustellen.

In der Ausgabe wurde ein Diagramm mit vier geraden Linien in unterschiedlichen Farben angezeigt.

Beispiel 3:

 import numpy as np x=np.log([2, np.e, np.e**3, 0]) x 

Ausgabe:

 __main__:1: RuntimeWarning: divide by zero encountered in log array([0.69314718, 1. , 3. , -inf]) 

Im obigen Code

  • Zuerst haben wir numpy mit dem Aliasnamen np importiert.
  • Wir haben die Variable „x“ deklariert und den Rückgabewert der np.log()-Funktionen zugewiesen.
  • Wir haben in der Funktion verschiedene Werte übergeben, z. B. Ganzzahlwert, np.e und np.e**2.
  • Zuletzt haben wir versucht, den Wert von „x“ auszugeben.

In der Ausgabe wurde ein Ndarray angezeigt, das die Protokollwerte der Elemente des Quellarrays enthält.