O numpy.log() é uma função matemática usada para calcular o logaritmo natural de x (x pertence a todos os elementos da matriz de entrada). É o inverso da função exponencial, bem como um logaritmo natural elemento a elemento. O logaritmo natural log é o inverso da função exponencial, de modo que log(exp(x))=x. O logaritmo na base e é o logaritmo natural.
Sintaxe
numpy.log(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) =
Parâmetros
x: array_like
Este parâmetro define o valor de entrada para a função numpy.log().
out: ndarray, None ou tupla de ndarray e None (opcional)
Este parâmetro é utilizado para definir o local onde o resultado será armazenado. Se definirmos este parâmetro, ele deverá ter um formato semelhante ao broadcast de entrada; caso contrário, um array recém-alocado será retornado. Uma tupla tem comprimento igual ao número de saídas.
alterar o nome do diretório linux
onde: array_like (opcional)
É uma condição transmitida pela entrada. Neste local, onde a condição é True, o array out será definido como o resultado ufunc(função universal); caso contrário, manterá seu valor original.
fundição: {'no','equiv','safe','same_kind','unsafe'}(opcional)
burak ozcivit
Este parâmetro controla o tipo de conversão de dados que pode ocorrer. O 'não' significa que os tipos de dados não devem ser convertidos. O 'equiv' significa que apenas alterações na ordem dos bytes são permitidas. O 'seguro' significa o único elenco que pode permitir o valor preservado. O 'same_kind' significa apenas lançamentos seguros ou dentro de um tipo. O 'inseguro' significa que qualquer conversão de dados pode ser feita.
ordem: {'K', 'C', 'F', 'A'}(opcional)
Este parâmetro especifica a ordem de iteração de cálculo/layout de memória da matriz de saída. Por padrão, a ordem será K. A ordem 'C' significa que a saída deve ser C-contígua. A ordem 'F' significa F-contíguo, e 'A' significa F-contíguo se as entradas forem F-contíguas e se as entradas estiverem em C-contíguo, então 'A' significa C-contíguo. 'K' significa corresponder à ordem dos elementos das entradas (o mais próximo possível).
Ubuntu build essencial
dtype: tipo de dados (opcional)
Ele substitui o dtype das matrizes de cálculo e saída.
teste: bool (opcional)
Por padrão, esse parâmetro é definido como verdadeiro. Se definirmos como falso, a saída será sempre um array estrito, não um subtipo.
assinatura
Este argumento nos permite fornecer uma assinatura específica para o loop 1-d 'for', usado no cálculo subjacente.
extobj
java ler csv
Este parâmetro é uma lista de comprimento 1, 2 ou 3 especificando o tamanho do buffer ufunc, o número inteiro do modo de erro e a função de retorno de chamada de erro.
Devoluções
Esta função retorna um ndarray que contém o valor logarítmico natural de x, que pertence a todos os elementos do array de entrada.
Exemplo 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
Saída:
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])
No código acima mencionado
- Importamos numpy com o nome alternativo np.
- Criamos um array 'a' usando a função np.array().
- Declaramos as variáveis b, c e d e atribuímos o valor retornado das funções np.log(), np.log2() e np.log10() respectivamente.
- Passamos o array 'a' em todas as funções.
- Por último, tentamos imprimir o valor de b, c e d.
Na saída, um ndarray foi mostrado, contendo os valores log, log2 e log10 de todos os elementos do array de origem.
Exemplo 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()
Saída:
centralizando imagens em css
No código acima
- Importamos numpy com o nome alternativo np.
- Também importamos matplotlib.pyplot com o nome alternativo plt.
- A seguir, criamos um array 'arr' usando a função np.array().
- Depois disso, declaramos as variáveis result1, result2, result3 e atribuímos os valores retornados das funções np.log(), np.log2() e np.log10() respectivamente.
- Passamos o array 'arr' em todas as funções.
- Por último, tentamos traçar os valores de 'arr', resultado1, resultado2 e resultado3.
Na saída, foi mostrado um gráfico com quatro linhas retas com cores diferentes.
Exemplo 3:
import numpy as np x=np.log([2, np.e, np.e**3, 0]) x
Saída:
__main__:1: RuntimeWarning: divide by zero encountered in log array([0.69314718, 1. , 3. , -inf])
No código acima
- Em primeiro lugar, importamos numpy com o nome alternativo np.
- Declaramos a variável 'x' e atribuímos o valor retornado das funções np.log().
- Passamos valores diferentes na função, como valor inteiro, np.e e np.e**2.
- Por último, tentamos imprimir o valor de 'x'.
Na saída, um ndarray foi mostrado, contendo os valores de log dos elementos do array de origem.