numpy.log() es una función matemática que se utiliza para calcular el logaritmo natural de x (x pertenece a todos los elementos de la matriz de entrada). Es la inversa de la función exponencial y también un logaritmo natural de elementos. El logaritmo natural log es el inverso de la función exponencial, de modo que log(exp(x))=x. El logaritmo en base e es el logaritmo natural.
Sintaxis
numpy.log(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) =
Parámetros
x: tipo matriz
Este parámetro define el valor de entrada para la función numpy.log().
salida: ndarray, Ninguno o tupla de ndarray y Ninguno (opcional)
Este parámetro se utiliza para definir la ubicación en la que se almacena el resultado. Si definimos este parámetro, debe tener una forma similar a la transmisión de entrada; de lo contrario, se devuelve una matriz recién asignada. Una tupla tiene una longitud igual al número de salidas.
css primer hijo
donde: array_like(opcional)
Es una condición que se transmite a través de la entrada. En esta ubicación, donde la condición es Verdadera, la matriz de salida se establecerá en el resultado ufunc(función universal); de lo contrario, conservará su valor original.
casting: {'no','equiv','safe','same_kind','unsafe'}(opcional)
comentario de powershell multilínea
Este parámetro controla el tipo de transmisión de datos que puede ocurrir. El 'no' significa que los tipos de datos no deben transmitirse en absoluto. El 'equiv' significa que sólo se permiten cambios en el orden de los bytes. La 'caja fuerte' significa la única conversión que puede permitir el valor preservado. 'same_kind' significa solo conversiones seguras o conversiones dentro de un tipo. Lo 'inseguro' significa que se pueden realizar conversiones de datos.
orden: {'K', 'C', 'F', 'A'}(opcional)
Este parámetro especifica el orden de iteración de cálculo/diseño de memoria de la matriz de salida. De forma predeterminada, el orden será K. El orden 'C' significa que la salida debe ser contigua a C. El orden 'F' significa F-contiguo, y 'A' significa F-contiguo si las entradas son F-contiguas y si las entradas están en C-contiguo, entonces 'A' significa C-contiguo. 'K' significa hacer coincidir el orden de los elementos de las entradas (lo más cerca posible).
variable global js
tipo d: tipo de datos (opcional)
Anula el tipo d de las matrices de cálculo y salida.
prueba: bool (opcional)
De forma predeterminada, este parámetro está establecido en verdadero. Si lo configuramos en falso, la salida siempre será una matriz estricta, no un subtipo.
firma
Este argumento nos permite proporcionar una firma específica al bucle 1-d 'for', utilizado en el cálculo subyacente.
extobj
java hacer mientras
Este parámetro es una lista de longitud 1, 2 o 3 que especifica el tamaño del búfer ufunc, el entero del modo de error y la función de devolución de llamada de error.
Devoluciones
Esta función devuelve un ndarray que contiene el valor logarítmico natural de x, que pertenece a todos los elementos de la matriz de entrada.
Ejemplo 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
Producción:
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])
En el código mencionado anteriormente
- Hemos importado numpy con nombre de alias np.
- Hemos creado una matriz 'a' usando la función np.array().
- Hemos declarado las variables b, cy, d y hemos asignado el valor devuelto de las funciones np.log(), np.log2() y np.log10() respectivamente.
- Hemos pasado la matriz 'a' en todas las funciones.
- Por último, intentamos imprimir el valor de b, cy d.
En el resultado, se muestra un ndarray que contiene los valores log, log2 y log10 de todos los elementos de la matriz fuente.
Ejemplo 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()
Producción:
c# fecha y hora
En el código anterior
- Hemos importado numpy con nombre de alias np.
- También hemos importado matplotlib.pyplot con el nombre de alias plt.
- A continuación, hemos creado una matriz 'arr' usando la función np.array().
- Después de eso, declaramos las variables resultado1, resultado2, resultado3 y asignamos los valores devueltos de las funciones np.log(), np.log2() y np.log10() respectivamente.
- Hemos pasado el array 'arr' en todas las funciones.
- Por último, intentamos trazar los valores de 'arr', resultado1, resultado2 y resultado3.
En el resultado se muestra un gráfico con cuatro líneas rectas con diferentes colores.
Ejemplo 3:
import numpy as np x=np.log([2, np.e, np.e**3, 0]) x
Producción:
__main__:1: RuntimeWarning: divide by zero encountered in log array([0.69314718, 1. , 3. , -inf])
En el código anterior
- En primer lugar, hemos importado numpy con el nombre de alias np.
- Hemos declarado la variable 'x' y asignado el valor devuelto de las funciones np.log().
- Hemos pasado diferentes valores en la función, como valor entero, np.e y np.e**2.
- Por último, intentamos imprimir el valor de 'x'.
En la salida, se muestra un ndarray que contiene los valores de registro de los elementos de la matriz de origen.