np.log: cara menghitung log in numpy – Codewithaden

Fungsi numpy log () membantu pengguna menghitung Logaritma Natural X di mana x milik semua elemen array input.

np.log

Np.log () adalah a Fungsi matematika digunakan untuk menghitung logaritma alami x di mana x milik semua elemen array input. Log logaritma alami adalah kebalikan dari metode eksponensial, sehingga log (exp (x)) = x . Logaritma alami adalah logaritma di pangkalan

Sintaksis

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

Parameter

Metode np.log () sangat mudah karena hanya memiliki parameter yang luas.

Tiga parameter np.log () adalah , keluar , dan dimana, tetapi ada lebih dari tiga parameter

Dua parameter tersebut, keluar dan a di mana parameter , lebih jarang digunakan. Mari kita lihat satu per satu.

x: array_ like

Itu Parameter mendefinisikan nilai input untuk fungsi log numpy ().

Keluar: ndarray, tidak ada, atau tuple ndarray dan tidak ada (opsional)

Argumen keluar mendefinisikan lokasi di mana hasilnya disimpan. Jika kita mendefinisikan argumen keluar, itu harus memiliki bentuk yang mirip dengan siaran input; Kalau tidak, array yang baru dialokasikan dikembalikan. Itu tuple memiliki panjang yang sama dengan jumlah output.

dimana: array_ like (opsional)

Ini adalah kondisi yang disiarkan di atas input. Di lokasi ini, di mana suatu kondisi berada BENAR , array keluar akan diatur ke hasil ufunc (fungsi universal) t; Jika tidak, ia akan mempertahankan nilai aslinya.

casting: {‘no’, ’equiv’, ‘safe’, ‘same_kind’, ‘tidak aman’} (opsional)

Itu pengecoran parameter mengontrol jenis data yang mungkin terjadi.

The ‘ Tidak’ berarti tipe data tidak boleh dilemparkan.

The ‘ equiv ‘ berarti hanya perubahan orde-byte yang diizinkan.

The ‘ aman’ Argumen berarti satu -satunya pemain yang memungkinkan nilai yang diawetkan.

Itu parameter Same_kind ’ berarti hanya gips atau gips yang aman dalam jenisnya.

The ‘ tidak aman ‘ Parameter berarti konversi data apa pun dapat dilakukan.

pesanan: {‘k’, ‘c’, ‘f’, ‘a} (opsional)

Argumen pesanan mendefinisikan iterasi perhitungan array output pesanan/memori tata letak. Secara default, pesanan akan menjadi K.

Pesanan ‘ C’ berarti output seharusnya C-contiguous .

Pesanan ‘ F’ cara F-CONTIGUEU ,

Urutan ‘A’ berarti F-CONTIGUEU Jika inputnya F-CONTIGUEL, dan jika input masuk C-contiguous, maka ‘A’ berarti C-contiguous. ‘K’ berarti mencocokkan pemesanan elemen input (sedekat mungkin).

DTYPE: tipe data (opsional)

Itu menimpa dtype dari array perhitungan dan output.

Subok: Bool (opsional)

Secara default, Subok Parameter diatur ke BENAR . Jika kita mengaturnya Nilai palsu , output akan selalu menjadi array yang ketat, bukan subtipe.

tanda tangan

Itu tanda tangan Argumen memberikan tanda tangan khusus untuk 1d Loop ‘for’, digunakan dalam perhitungan yang mendasarinya.

Extobj

Itu Extobj Argumen adalah a daftar panjang 1, 2, atau 3 menentukan ufunc Ukuran buffer, integer mode kesalahan, dan metode panggilan balik kesalahan.

Nilai pengembalian

Fungsi Numpy Log () Mengembalikan NDArray yang berisi nilai logaritmik alami dari X, yang termasuk dalam semua elemen array input.

Contoh

Sintaks untuk menggunakan fungsi log () cukup mudah, tetapi selalu lebih mudah untuk memahami kode ketika Anda memiliki beberapa contoh bekerja dengannya.

Yang sedang berkata, mari kita lihat beberapa contoh.

import numpy as np

data = np.array([1, 3, 5, 9])
print('The data array is: ', data)

logval = np.log(data)
print('The "logval" array is: ', logval)
 

Keluaran

The data array is:  [1 3 5 9]
The "logval" array is:  [0.         1.09861229 1.60943791 2.19722458] 

Dalam kode di atas, kami pertama kali mengimpor numpy dengan nama alias NP dan kemudian membuat array data menggunakan np.array () fungsi. Kemudian kami telah menggunakan metode NP Log () untuk mendapatkan logaritmik alami.

Representasi grafis log NP

Kita bisa menggunakan matplotlib perpustakaan untuk membuat representasi grafis dari nilai log.

import numpy as np
import matplotlib.pyplot as plt

arr = [3, 3.4, 3.8, 4.2, 4.6, 5]
res = np.log(arr)
res2 = np.log2(arr)
res3 = np.log10(arr)
plt.plot(arr, arr, color='blue', marker="*")
plt.plot(res, arr, color='green', marker="o")
plt.plot(res2, arr, color='red', marker="*")
plt.plot(res3, arr, color='black', marker="*")
plt.show()
 

Keluaran

Graphical

Menggunakan np.log () dengan satu nomor

Di sini, kami akan menghitung logaritma alami dari konstanta matematika E, juga dikenal sebagai nomor Euler.

Untuk melakukan ini, kami akan menggunakan np.e konstan dari array numpy.

Jika Anda mencetak, Anda dapat melihat nilainya:

print(np.e) 

Keluaran

2.718281828459045 

Dan sekarang, mari kita menghitung ln(e) dengan np.log ().

import numpy as np

print(np.log(np.e))
 

Keluaran

 python3 app.py
1.0 

Ini relatif sederhana.

Di sini, kami menghitung log alami konstanta e karena fungsinya ln(x) adalah kebalikan dari eksponensial.

Jika Anda mau, cobalah menjalankan kode ini dengan beberapa nomor lain selain itu e

Menerapkan log pada array numpy dua dimensi

Pertama, mari kita buat array numpy. Kami akan menggunakan np.Arange () Untuk membuat array numpy dengan nilai -nilai dari 1 hingga 6, dan kami akan membentuk kembali array itu menjadi dua dimensi menggunakan Numpy Reshape () metode.

import numpy as np

D2_Array = np.arange(start=1, stop=7).reshape((2, 3))
print(D2_Array)
 

Keluaran

[[1 2 3]
 [4 5 6]] 

Sekarang, hitung logaritma alami menggunakan log numpy ().

import numpy as np

D2_Array = np.arange(start=1, stop=7).reshape((2, 3))
print(np.log(D2_Array))
 

Keluaran

[[0.         0.69314718 1.09861229]
 [1.38629436 1.60943791 1.79175947]] 

Sekali lagi, np.log () menghitung log alami dari setiap elemen dalam array input.

Dalam hal ini, input adalah array 2 x 3 (array dua dimensi dengan dua baris dan tiga kolom), sehingga output memiliki yang sama membentuk

Bungkus

Untuk menyelesaikannya, Numpy catatan Fungsi relatif sederhana: kami menggunakannya untuk menghitung logaritma alami dari nilai -nilai dalam Numpy Himpunan . Anda mungkin akan ingat logaritma dari kelas matematika.

Logaritma alami adalah kebalikan dari Fungsi eksponensial , e^x , seperti yang:

\[

Menghitung log cukup umum dalam tugas ilmiah, dan Numpy catatan() Metode memberi kita cara mudah untuk menghitung logaritma alami di Python.

Itu untuk tutorial ini.

Lihat juga

Numpy log2

Numpy Log10

Persentil numpy ()

Numpy convolve ()

Randn acak numpy ()

Artikel ini berasal dari website Winpoin, dan kemudian diterjemahkan ke bahasa indonesia, baca artikel asli disini

Leave a Reply

Your email address will not be published. Required fields are marked *