Hướng dẫn python log array

Numpy.log () là một hàm toán học được sử dụng để tính logarit tự nhiên của x (x thuộc về tất cả các phần tử mảng đầu vào). Nó là nghịch đảo của hàm số mũ cũng như một logarit tự nhiên khôn ngoan nguyên tố. Lôgarit tự nhiên là đảo ngược của hàm số mũ, do đó log (exp (x)) = x. Lôgarit trong cơ số e là lôgarit tự nhiên.

Các bài viết liên quan:

Cú pháp

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

Parameter

x: array_like: Tham số này xác định giá trị đầu vào cho hàm numpy.log ().

out: ndarray, None hoặc tuple of ndarray và None (tùy chọn)

Tham số này được sử dụng để xác định vị trí mà kết quả được lưu trữ. Nếu chúng ta xác định tham số này, thì nó phải có hình dạng tương tự như đầu vào broadcast; nếu không, một mảng mới được cấp phát sẽ được trả về. Một bộ tuple có chiều dài bằng số đầu ra.

where: array_like (tùy chọn)

Nó là một điều kiện được phát qua đầu vào. Tại vị trí này, nơi điều kiện là True, mảng out sẽ được đặt thành kết quả ufunc (hàm phổ quát); nếu không, nó sẽ giữ nguyên giá trị ban đầu.

casting: {‘no’, ‘Equiv’, ‘safe’, ‘same_kind’, ‘không an toàn’} (tùy chọn)

Tham số này kiểm soát kiểu truyền dữ liệu có thể xảy ra. Giá trị ‘không’ có nghĩa là hoàn toàn không nên truyền kiểu dữ liệu. ‘Equiv’ có nghĩa là chỉ cho phép các thay đổi thứ tự byte. ‘Két an toàn’ có nghĩa là đúc duy nhất, có thể cho phép giá trị được bảo toàn. ‘Same_kind’ có nghĩa là chỉ các phôi hoặc phôi an toàn trong một loại. ‘Không an toàn’ có nghĩa là mọi chuyển đổi dữ liệu có thể được thực hiện.

order: {‘K’, ‘C’, ‘F’, ‘A’} (tùy chọn)

Tham số này chỉ định thứ tự lặp lại tính toán / cách bố trí bộ nhớ của mảng đầu ra. Theo mặc định, thứ tự sẽ là K. Thứ tự ‘C’ có nghĩa là đầu ra phải là C liền kề. Thứ tự ‘F’ có nghĩa là F tiếp giáp và ‘A’ có nghĩa là F tiếp giáp nếu các đầu vào là F tiếp giáp và nếu các đầu vào nằm trong C tiếp giáp, thì ‘A’ có nghĩa là C tiếp giáp. ‘K’ có nghĩa là khớp với thứ tự phần tử của các đầu vào (càng chặt chẽ càng tốt).

dtype: kiểu dữ liệu (tùy chọn)

Nó ghi đè kiểu của mảng tính toán và đầu ra.

subok: bool (tùy chọn)

Theo mặc định, tham số này được đặt thành true. Nếu chúng ta đặt nó thành false, đầu ra sẽ luôn là một mảng nghiêm ngặt, không phải là một kiểu con.

signature

Đối số này cho phép chúng tôi cung cấp một chữ ký cụ thể cho vòng lặp 1-d ‘for’, được sử dụng trong phép tính cơ bản.

extobj

Tham số này là danh sách có độ dài 1, 2 hoặc 3 chỉ định kích thước bộ đệm ufunc, số nguyên chế độ lỗi và hàm gọi lại lỗi.

Return

Hàm này trả về một mảng chứa giá trị logarit tự nhiên của x, thuộc về tất cả các phần tử của mảng đầu vào.

Ví dụ 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  

Trong đoạn mã được đề cập ở trên

• Chúng tôi đã tạo một mảng ‘a’ bằng hàm np.array ().
• Chúng ta đã khai báo biến b, c, và d và gán giá trị trả về của các hàm np.log (), np.log2 () và np.log10 () tương ứng.
• Chúng tôi đã chuyển mảng ‘a’ trong tất cả các hàm.
• Cuối cùng, chúng tôi đã cố gắng in giá trị của b, c và d.

Trong đầu ra, một ndarray đã được hiển thị, chứa các giá trị log, log2 và log10 của tất cả các phần tử của mảng nguồn.

Ví dụ 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()  

Output:

Trong đoạn code trên

• Chúng tôi cũng đã nhập matplotlib.pyplot với bí danh tên plt.
• Tiếp theo, chúng ta đã tạo một mảng ‘arr’ bằng cách sử dụng hàm np.array ().
• Sau đó, chúng tôi khai báo biến result1, result2, result3 và gán giá trị trả về của các hàm np.log (), np.log2 () và np.log10 () tương ứng.
• Chúng tôi đã chuyển mảng ‘arr’ trong tất cả các hàm.
• Cuối cùng, chúng tôi đã cố gắng vẽ biểu đồ các giá trị của ‘arr’, result1, result2 và result3.

Trong đầu ra, một đồ thị có bốn đoạn thẳng với các màu khác nhau đã được hiển thị.

Ví dụ 3:

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

Output:

Trong đoạn code trên

• Chúng tôi đã khai báo biến ‘x’ và gán giá trị trả về của các hàm np.log ().
• Chúng tôi đã chuyển các giá trị khác nhau trong hàm, chẳng hạn như giá trị số nguyên, np.e và np.e ** 2.
• Cuối cùng, chúng tôi đã cố gắng in giá trị của ‘x’.
• Trong output, một mảng ndar đã được hiển thị, chứa các giá trị nhật ký của các phần tử của mảng nguồn.