NumPy numpy.log()的使用

numpy.log()是一个数学函数，用于计算x（x属于所有输入数组元素）的自然对数。它是指数函数的反函数，也是逐个元素的自然对数。自然对数log是指数函数的反函数，因此log(exp(x))=x。以e为底的对数是自然对数。

语法

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

参数

x: array_like

该参数定义了numpy.log()函数的输入值。

out: ndarray、None或ndarray和None的元组（可选）

该参数用于定义结果存储的位置。如果定义了该参数，它必须具有与输入广播类似的形状；否则，将返回一个新分配的数组。元组的长度等于输出的数量。

where: array_like（可选）

这是对输入进行广播的条件。在该位置，如果条件为True，则out数组将被设置为ufunc（通用函数）的结果；否则，将保留其原始值。

casting: {‘no’、’equiv’、’safe’、’same_kind’、’unsafe’}（可选）

该参数控制可能发生的数据类型转换的类型。’no’表示根本不应进行数据类型转换。’equiv’表示只允许字节序更改。’safe’表示只能转换允许保持值的类型。’same_kind’表示只允许安全转换或在种类内转换。’unsafe’表示可以进行任何数据转换。

order: {‘K’、’C’、’F’、’A’}（可选）

此参数指定输出数组的计算迭代顺序/内存布局。默认情况下，顺序将为K。顺序’C’表示输出应为C连续。顺序’F’表示F连续，’A’表示如果输入是F连续的，则为F连续，如果输入是C连续的，则为C连续。’K’表示尽可能匹配输入的元素顺序。

dtype: 数据类型（可选）

它覆盖了计算和输出数组的dtype。

subok: bool（可选）

默认情况下，此参数设置为true。如果将其设置为false，则输出将始终是一个严格的数组，而不是子类型。

signature

此参数允许我们为基础计算中的1-d循环提供特定的签名。

extobj

此参数是一个长度为1、2或3的列表，指定ufunc缓冲区大小、错误模式整数和错误回调函数。

返回值

该函数返回一个ndarray，其中包含属于输入数组所有元素的自然对数值。

示例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

输出：

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])

在上述的代码中

• 我们使用别名np导入了numpy库。
• 我们使用np.array()函数创建了一个名为’a’的数组。
• 我们声明了变量b、c和d，并分别将np.log()、np.log2()和np.log10()函数的返回值赋给它们。
• 我们在所有的函数中都传入了数组’a’。
• 最后，我们尝试打印出变量b、c和d的值。

在输出中，显示了一个ndarray，其中包含了源数组中所有元素的log、log2和log10值。

示例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()

输出:

在上面的代码中

• 我们使用别名np导入了numpy。
• 我们还使用别名plt导入了matplotlib.pyplot。
• 接下来，我们使用np.array()函数创建了一个数组’arr’。
• 然后我们声明了变量result1、result2、result3，并分别赋值为np.log()、np.log2()和np.log10()函数的返回值。
• 我们在所有的函数中传递了数组’arr’。
• 最后，我们尝试绘制’arr’、result1、result2和result3的值。

输出中显示了一个带有不同颜色的四条直线的图形。

示例3

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

输出:

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

在以上代码中

• 首先，我们使用别名np导入了numpy。
• 我们声明了变量’x’并将np.log()函数的返回值赋给了它。
• 我们在函数中传递了不同的值，如整数值、np.e和np.e**2。
• 最后，我们尝试打印出’x’的值。

输出显示一个ndarray，其中包含源数组元素的对数值。