Понимание numpy.log () в Python

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.