Der numpy.log() ist eine mathematische Funktion, die dem Benutzer bei der Berechnung hilft Natürlicher Logarithmus von x wobei x zu allen Elementen des Eingabearrays gehört. Der natürliche Logarithmus ist der Logarithmus Umkehrung von exp() , so dass log(exp(x)) = x . Der natürliche Logarithmus ist der Logarithmus zur Basis e.
Syntax : numpy.log(x[, out] = ufunc ‚log1p‘) Parameter: Array: [array_like] Eingabearray oder -objekt. aus : [ndarray, optional] Ausgabearray mit den gleichen Abmessungen wie das Eingabearray, platziert mit Ergebnis. Zurückkehren : Ein Array mit dem natürlichen Logarithmuswert x; wobei x zu allen Elementen des Eingabearrays gehört.
Code Nr. 1: Funktioniert
Python3
wie man Musik herunterlädt
# 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>))> |
>
>
Ausgabe :
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>
Code Nr. 2: Grafische Darstellung
Python3
# 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()> |
>
>
Ausgabe :
out_array : [ 0. 0.18232156 0.33647224 0.47000363 0.58778666 0.69314718]>
numpy.log() ist eine Funktion in der NumPy-Bibliothek von Python, die zur Berechnung des natürlichen Logarithmus einer bestimmten Eingabe verwendet wird. Der natürliche Logarithmus ist eine mathematische Funktion, die die Umkehrung der Exponentialfunktion ist. Die Funktion verwendet ein Array oder einen Skalar als Eingabe und gibt ein Array oder einen Skalar mit dem natürlichen Logarithmus jedes Elements zurück.
Vorteile der Verwendung der Funktion numpy.log() in Python:
- Geschwindigkeit: Die Funktion numpy.log() ist stark für schnelle Berechnungen optimiert und eignet sich daher für die Verarbeitung großer Datensätze und komplexer Berechnungen im wissenschaftlichen Rechnen und in der Datenanalyse.
- Mathematische Genauigkeit: Die Funktion numpy.log() bietet eine hohe mathematische Genauigkeit für die Berechnung natürlicher Logarithmen, was sie für numerische Simulationen und wissenschaftliche Experimente nützlich macht.
- Vielseitigkeit: Die Funktion numpy.log() kann mit einer Vielzahl von Eingabetypen verwendet werden, einschließlich Skalaren, Arrays und Matrizen.
- Integration mit anderen NumPy-Funktionen: Die Funktion numpy.log() kann problemlos in andere NumPy-Funktionen und -Bibliotheken integriert werden, was komplexere Berechnungen und Datenanalysen ermöglicht.
Nachteile der Verwendung der Funktion numpy.log() in Python:
- Eingeschränkter Bereich: Die Funktion numpy.log() ist nur für positive reelle Zahlen definiert und löst einen ValueError aus, wenn eine nicht positive Zahl angegeben wird.
- Eingeschränkte Funktionalität: Während die Funktion numpy.log() für die Berechnung natürlicher Logarithmen nützlich ist, verfügt sie im Vergleich zu anderen spezialisierteren Bibliotheken und Funktionen für mathematische Operationen und Datenanalyse über eingeschränkte Funktionalität.
- Erfordert die NumPy-Bibliothek: Um die Funktion numpy.log() verwenden zu können, muss die NumPy-Bibliothek in Ihrer Python-Umgebung installiert und importiert sein, was zu einem gewissen Mehraufwand für Ihren Code führen kann und für bestimmte Anwendungen möglicherweise nicht geeignet ist.
Hier sind einige wichtige Punkte, die Sie bei der Verwendung der Funktion numpy.log() in Python beachten sollten:
- Die Funktion numpy.log() berechnet den natürlichen Logarithmus einer bestimmten Eingabe.
- Der natürliche Logarithmus ist eine mathematische Funktion, die die Umkehrung der Exponentialfunktion ist.
- Die Funktion verwendet ein Array oder einen Skalar als Eingabe und gibt ein Array oder einen Skalar mit dem natürlichen Logarithmus jedes Elements zurück.
- Die Funktion numpy.log() ist stark für schnelle Berechnungen optimiert und eignet sich daher für die Verarbeitung großer Datensätze und komplexer Berechnungen im wissenschaftlichen Rechnen und in der Datenanalyse.
- Die Funktion numpy.log() kann mit einer Vielzahl von Eingabetypen verwendet werden, einschließlich Skalaren, Arrays und Matrizen.
- Die Funktion numpy.log() ist nur für positive reelle Zahlen definiert und löst einen ValueError aus, wenn eine nicht positive Zahl angegeben wird.
- Die Funktion numpy.log() bietet eine hohe mathematische Genauigkeit für die Berechnung natürlicher Logarithmen und ist daher für numerische Simulationen und wissenschaftliche Experimente nützlich.
- Um die Funktion numpy.log() verwenden zu können, muss die NumPy-Bibliothek installiert und in Ihre Python-Umgebung importiert sein.
Wenn Sie auf der Suche nach einem Nachschlagewerk sind
Bei NumPy ist Python for Data Analysis von Wes McKinney eine beliebte Option. Dieses Buch behandelt NumPy ausführlich, zusammen mit anderen wichtigen Python-Bibliotheken für die Datenanalyse wie Pandas und Matplotlib. Es enthält auch praktische Beispiele und Übungen, die Ihnen helfen, das Gelernte anzuwenden.