numpy.log() è una funzione matematica utilizzata per calcolare il logaritmo naturale di x(x appartiene a tutti gli elementi dell'array di input). È l'inverso della funzione esponenziale nonché un logaritmo naturale basato sugli elementi. Il logaritmo naturale è l'inverso della funzione esponenziale, quindi log(exp(x))=x. Il logaritmo in base e è il logaritmo naturale.

Sintassi

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

Parametri

x: tipo_array

ricerca lineare in Java

Questo parametro definisce il valore di input per la funzione numpy.log().

out: ndarray, None o tupla di ndarray e None (opzionale)

Questo parametro viene utilizzato per definire la posizione in cui viene archiviato il risultato. Se definiamo questo parametro, esso deve avere una forma simile alla trasmissione in ingresso; in caso contrario, viene restituito un array appena allocato. Una tupla ha una lunghezza pari al numero di uscite.

dove: array_like(opzionale)

È una condizione che viene trasmessa tramite l'input. In questa posizione, dove la condizione è True, l'array out verrà impostato sul risultato ufunc(funzione universale); in caso contrario, manterrà il suo valore originale.

casting: {'no','equiv','safe','same_kind','unsafe'}(facoltativo)

precedenza degli operatori Java

Questo parametro controlla il tipo di trasmissione dei dati che può verificarsi. Il 'no' significa che i tipi di dati non dovrebbero essere affatto espressi. 'equiv' significa che sono consentite solo modifiche dell'ordine dei byte. Il 'sicuro' significa l'unico cast, che può consentire il valore preservato. 'same_kind' significa solo lanci sicuri o lanci all'interno di un genere. Il termine 'non sicuro' significa che è possibile eseguire qualsiasi conversione di dati.

ordine: {'K', 'C', 'F', 'A'}(facoltativo)

Questo parametro specifica l'ordine di iterazione del calcolo/il layout della memoria dell'array di output. Per impostazione predefinita, l'ordine sarà K. L'ordine 'C' significa che l'output dovrebbe essere C-contiguo. L'ordine 'F' significa F-contiguo e 'A' significa F-contiguo se gli input sono F-contigui e se gli input sono in C-contiguo, 'A' significa C-contiguo. 'K' significa corrispondere all'ordine degli elementi degli input (il più fedelmente possibile).

dtype: tipo di dati (opzionale)

Sostituisce il dtype degli array di calcolo e di output.

test: bool(facoltativo)

Per impostazione predefinita, questo parametro è impostato su true. Se lo impostiamo su false, l'output sarà sempre un array rigoroso, non un sottotipo.

firma

Questo argomento ci consente di fornire una firma specifica al ciclo 1-d 'for', utilizzato nel calcolo sottostante.

extobj

Questo parametro è un elenco di lunghezza 1, 2 o 3 che specifica la dimensione del buffer ufunc, l'intero della modalità di errore e la funzione di callback dell'errore.

matrice in linguaggio c

ritorna

Questa funzione restituisce un ndarray che contiene il valore logaritmico naturale di x, che appartiene a tutti gli elementi dell'array di input.

Esempio 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 

Produzione:

 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]) 

Nel codice sopra citato

• Abbiamo importato Numpy con il nome alias np.
• Abbiamo creato un array 'a' utilizzando la funzione np.array().
• Abbiamo dichiarato le variabili b, c e d e assegnato il valore restituito rispettivamente delle funzioni np.log(), np.log2() e np.log10().
• Abbiamo passato l'array 'a' in tutte le funzioni.
• Infine, abbiamo provato a stampare il valore di b, c e d.

Nell'output è stato mostrato un ndarray che contiene i valori log, log2 e log10 di tutti gli elementi dell'array di origine.

Esempio 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() 

Produzione:

Nel codice sopra

• Abbiamo importato Numpy con il nome alias np.
• Abbiamo anche importato matplotlib.pyplot con il nome alias plt.
• Successivamente, abbiamo creato un array 'arr' utilizzando la funzione np.array().
• Successivamente abbiamo dichiarato le variabili result1, result2, result3 e assegnato rispettivamente i valori restituiti delle funzioni np.log(), np.log2() e np.log10().
• Abbiamo passato l'array 'arr' in tutte le funzioni.
• Infine, abbiamo provato a tracciare i valori di 'arr', risultato1, risultato2 e risultato3.

Nell'output è stato mostrato un grafico con quattro linee rette con colori diversi.

esempio di sottostringa Java

Esempio 3:

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

Produzione:

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

Nel codice sopra

• Innanzitutto, abbiamo importato Numpy con il nome alias np.
• Abbiamo dichiarato la variabile 'x' e assegnato il valore restituito dalle funzioni np.log().
• Abbiamo passato valori diversi nella funzione, come valore intero, np.e e np.e**2.
• Infine, abbiamo provato a stampare il valore di 'x'.

Nell'output è stato mostrato un ndarray, contenente i valori di log degli elementi dell'array di origine.