numpy.log() in Python
IL numpy.log() è una funzione matematica che aiuta l'utente a calcolare Logaritmo naturale di x dove x appartiene a tutti gli elementi dell'array di input. Il logaritmo naturale è il inverso di exp() , affinché log(exp(x)) = x . Il logaritmo naturale è log in base e.
Sintassi: numpy.log(x[, out] = ufunc 'log1p') Parametri: vettore : [array_like] Inserisci array o oggetto. fuori : [ndarray, opzionale] Array di output con le stesse dimensioni dell'array di input, inserito con il risultato. Ritorno : Una matrice con valore logaritmico naturale pari a x; dove x appartiene a tutti gli elementi dell'array di input.
Codice n. 1: funzionante
Python3
# Python program explaining> # log() function> import> numpy as np> > in_array> => [> 1> ,> 3> ,> 5> ,> 2> *> *> 8> ]> print> (> 'Input array : '> , in_array)> > out_array> => np.log(in_array)> print> (> 'Output array : '> , out_array)> > > print> (> '
np.log(4**4) : '> , np.log(> 4> *> *> 4> ))> print> (> 'np.log(2**8) : '> , np.log(> 2> *> *> 8> ))> |
Produzione :
Input array : [1, 3, 5, 256] Output array : [ 0. 1.09861229 1.60943791 5.54517744] np.log(4**4) : 5.54517744448 np.log(2**8) : 5.54517744448
Codice n. 2: Rappresentazione grafica
Python3
# Python program showing> # Graphical representation> # of log() function> import> numpy as np> import> matplotlib.pyplot as plt> > in_array> => [> 1> ,> 1.2> ,> 1.4> ,> 1.6> ,> 1.8> ,> 2> ]> out_array> => np.log(in_array)> > print> (> 'out_array : '> , out_array)> > plt.plot(in_array, in_array,> > color> => 'blue'> , marker> => '*'> )> > # red for numpy.log()> plt.plot(out_array, in_array,> > color> => 'red'> , marker> => 'o'> )> > plt.title(> 'numpy.log()'> )> plt.xlabel(> 'out_array'> )> plt.ylabel(> 'in_array'> )> plt.show()> |
Produzione :
out_array : [ 0. 0.18232156 0.33647224 0.47000363 0.58778666 0.69314718]
numpy.log() è una funzione nella libreria NumPy di Python che viene utilizzata per calcolare il logaritmo naturale di un dato input. Il logaritmo naturale è una funzione matematica che è l'inverso della funzione esponenziale. La funzione accetta un array o uno scalare come input e restituisce un array o uno scalare con il logaritmo naturale di ciascun elemento.
Vantaggi dell'utilizzo della funzione numpy.log() in Python:
- Velocità: la funzione numpy.log() è altamente ottimizzata per calcoli rapidi, il che la rende adatta alla gestione di set di dati di grandi dimensioni e calcoli complessi nel calcolo scientifico e nell'analisi dei dati.
- Precisione matematica: la funzione numpy.log() fornisce un'elevata precisione matematica per il calcolo dei logaritmi naturali, il che la rende utile nelle simulazioni numeriche e negli esperimenti scientifici.
- Versatilità: la funzione numpy.log() può essere utilizzata con un'ampia gamma di tipi di input, inclusi scalari, array e matrici.
- Integrazione con altre funzioni NumPy: la funzione numpy.log() può essere facilmente integrata con altre funzioni e librerie NumPy, consentendo calcoli e analisi dei dati più complessi.
Svantaggi dell'utilizzo della funzione numpy.log() in Python:
- Dominio limitato: la funzione numpy.log() è definita solo per numeri reali positivi e genererà un ValueError se viene fornito un numero non positivo.
- Funzionalità limitate: sebbene la funzione numpy.log() sia utile per calcolare i logaritmi naturali, ha funzionalità limitate rispetto ad altre librerie e funzioni più specializzate per operazioni matematiche e analisi dei dati.
- Richiede la libreria NumPy: per utilizzare la funzione numpy.log(), è necessario che la libreria NumPy sia installata e importata nell'ambiente Python, che può aggiungere un sovraccarico al codice e potrebbe non essere adatta per determinate applicazioni.
Ecco alcuni punti importanti da tenere a mente durante l'utilizzo della funzione numpy.log() in Python:
- La funzione numpy.log() calcola il logaritmo naturale di un dato input.
- Il logaritmo naturale è una funzione matematica che è l'inverso della funzione esponenziale.
- La funzione accetta un array o uno scalare come input e restituisce un array o uno scalare con il logaritmo naturale di ciascun elemento.
- La funzione numpy.log() è altamente ottimizzata per calcoli rapidi, rendendola adatta alla gestione di set di dati di grandi dimensioni e calcoli complessi nel calcolo scientifico e nell'analisi dei dati.
- La funzione numpy.log() può essere utilizzata con un'ampia gamma di tipi di input, inclusi scalari, array e matrici.
- La funzione numpy.log() è definita solo per numeri reali positivi e genererà un ValueError se viene fornito un numero non positivo.
- La funzione numpy.log() fornisce un'elevata precisione matematica per il calcolo dei logaritmi naturali, rendendola utile nelle simulazioni numeriche e negli esperimenti scientifici.
- Per utilizzare la funzione numpy.log(), è necessario che la libreria NumPy sia installata e importata nel proprio ambiente Python.
Se stai cercando un libro di consultazione
su NumPy, un'opzione popolare è Python for Data Analysis di Wes McKinney. Questo libro tratta NumPy in modo approfondito, insieme ad altre importanti librerie Python per l'analisi dei dati come panda e matplotlib. Include anche esempi pratici ed esercizi per aiutarti a mettere in pratica ciò che impari.
