Автор оригинала: Pankaj Kumar.
В этом руководстве мы узнаем о numpy.log () в Python Отказ Модуль Numpy предлагает мощные методы манипулирования данными. Это в основном относится к данным, хранящимся в массивах.
Метод numpy.log () позволяет рассчитать математический журнал любого количества или массива.
Давайте узнаем, как использовать numpy.log (), чтобы рассчитать журнал Python.
Использование numpy.log () в Python
Использовать numpy.log () Нам сначала придется импортировать Numpy модуль Отказ
import numpy
Теперь мы можем использовать numpy.log (), чтобы узнать журнал разных чисел.
import numpy as np print(np.log(10))
Выход:
2.302585092994046
Давайте попробуем другой пример.
import numpy as np print(np.log(np.e))
Выход:
1.0
Мы получаем 1 как вывод как numpy.log по умолчанию вычисляет естественный журнал. Натуральный журнал рассчитывается с основанием e. Значение E является:
2.718281828459
Давайте попробуем расчет журнала 0.
Использование numpy.log () на 0
Давайте посмотрим, что произойдет, когда мы используем функцию numpy.log на 0.
import numpy as np print(np.log(0))
Выход:
-inf /usr/local/lib/python3.6/dist-packages/ipykernel_launcher.py:1: RuntimeWarning: divide by zero encountered in log
Логарифм нуля не определен. Это не настоящее число, потому что вы никогда не можете получить Ноль поднимая что-либо до силы чего-либо еще.
Есть несколько других журналов, которые вы можете рассчитать использование NP.Log. Это log2 и log10 которые логарифмины с базой 2 и 10 соответственно.
1. Расчет журнала с основанием 2
Для расчета logarithm с базой 2, используйте log2 вместо бревен.
import numpy as np print(np.log2(8))
Выход:
3.0
Давайте попробуем другой пример.
import numpy as np print(np.log2(32))
Выход:
5.0
2. Расчет журнала с базой 10
Для расчета логарифма с базой 10, используйте log10 вместо бревен.
import numpy as np print(np.log10(100))
Выход:
2.0
Давайте попробуем другой пример.
import numpy as np print(np.log10(10000))
Выход:
4.0
Использование numpy.log () на массивах
Давайте посмотрим, как использовать numpy.log на массивах.
1. Расчет логарифма 1D массива
Для расчета логарифма 1d Array использует:
import numpy as np arr = np.array([1,2,4,5,6,8]) print(np.log2(arr))
Выход:
[0. 1. 2. 2.32192809 2.5849625 3.]
2. Расчет логарифма 2D массива
Чтобы рассчитать логарифм использования 2D Array:
import numpy as np arr_2d = np.arange(4,10).reshape((2,3)) print(arr_2d) print(np.log2(arr_2d))
Выход:
[[4 5 6] [7 8 9]] [[2. 2.32192809 2.5849625 ] [2.80735492 3. 3.169925 ]]
Функция protting numpy.log () с помощью matplotlib
Попробуем построить график для логарифмической функции. Чтобы построить график, нам понадобится много баллов в нашем массиве. Наш подход выглядит следующим образом:
Мы создадим Numpy Array целых чисел от 1 до 1000. Тогда мы будем хранить журнал этого массива. Наконец, мы создадим сюжет, используя сохраненные значения.
Давайте посмотрим код для того же.
import numpy as np import matplotlib.pyplot as plt arr = np.arange(start = 1, stop = 1000) log_val=np.log(arr) plt.plot(log_val,arr,color='purple')
Выход:
Заключение
Этот учебник был о функции numpy.log в Python. Мы узнаем, как использовать numpy.log Для расчета журналов целых чисел и массивов. Мы также узнали, как построить график, используя numpy.log и matplotlib.