Python propose de nombreuses fonctions logarithmiques intégrées sous le module mathématiques ce qui nous permet de calculer les logs en utilisant une seule ligne. Il existe 4 variantes de fonctions logarithmiques, qui sont toutes abordées dans cet article.
1. log(a,(Base)) : Cette fonction est utilisée pour calculer le un algorithme naturel (Base e) de a. Si 2 arguments sont passés, il calcule le logarithme de la base souhaitée de l'argument a, valeur numérique de journal(a)/journal(Base) .

 Syntax : math.log(a,Base) Parameters :  a : The numeric value Base : Base to which the logarithm has to be computed. Return Value :  Returns natural log if 1 argument is passed and log with specified base if 2 arguments are passed. Exceptions :  Raises ValueError if a negative no. is passed as argument.>

Python3

exemples de programmation python

>

>

Sortir :

Natural logarithm of 14 is : 2.6390573296152584 Logarithm base 5 of 14 is : 1.6397385131955606>

2. log2(a) : Cette fonction est utilisée pour calculer le logarithme base 2 d'un. Affiche un résultat plus précis que log(a,2).

 Syntax : math.log2(a) Parameters :  a : The numeric value Return Value :  Returns logarithm base 2 of a Exceptions :  Raises ValueError if a negative no. is passed as argument.>

Python3

>

>

Sortir :

Logarithm base 2 of 14 is : 3.807354922057604>

3. log10(a) : Cette fonction est utilisée pour calculer le logarithme base 10 d'un. Affiche un résultat plus précis que log(a,10).

 Syntax : math.log10(a) Parameters :  a : The numeric value Return Value :  Returns logarithm base 10 of a Exceptions :  Raises ValueError if a negative no. is passed as argument.>

Python3

>

>

Sortir :

Logarithm base 10 of 14 is : 1.146128035678238>

3. log1p(a) : Cette fonction est utilisée pour calculer logarithme(1+a) .

 Syntax : math.log1p(a) Parameters :  a : The numeric value Return Value :  Returns log(1+a) Exceptions :  Raises ValueError if a negative no. is passed as argument.>

Python3

>

>

Sortir :

Logarithm(1+a) value of 14 is : 2.70805020110221>

1. ValeurErreur : Cette fonction renvoie une erreur de valeur si le nombre est négatif .

Python3

>

>

Sortir :

log(a) value of -14 is :>

Erreur d'exécution :

Traceback (most recent call last): File '/home/8a74e9d7e5adfdb902ab15712cbaafe2.py', line 9, in print (math.log(-14)) ValueError: math domain error>

L'une des applications de la fonction log10() est qu'elle est utilisée pour calculer le Non. de chiffres d'un nombre . Le code ci-dessous illustre la même chose.

Python3

>

>

Sortir :

The number of digits in 73293 are : 5>

Le logarithme naturel (log) est une fonction mathématique importante de Python qui est fréquemment utilisée dans les applications de calcul scientifique, d'analyse de données et d'apprentissage automatique. Voici quelques avantages, inconvénients, points importants et ouvrages de référence liés aux fonctions de journalisation en Python :

Avantages :

La fonction de journalisation est utile pour transformer des données présentant une large plage de valeurs ou une distribution non normale sous une forme plus normalement distribuée, ce qui peut améliorer la précision des analyses statistiques et des modèles d'apprentissage automatique.
La fonction log est largement utilisée en finance et en économie pour calculer les intérêts composés, les valeurs actuelles et d'autres mesures financières.
La fonction log peut être utilisée pour réduire l'effet des valeurs aberrantes sur les analyses statistiques en compressant l'échelle des données.
La fonction log peut être utilisée pour visualiser des données avec une large plage dynamique ou avec des valeurs proches de zéro.

Désavantages:

La fonction de journalisation peut être coûteuse en termes de calcul pour les grands ensembles de données, surtout si la fonction de journalisation est appliquée à plusieurs reprises.
La fonction de journalisation peut ne pas être appropriée pour tous les types de données, telles que les données catégorielles ou les données avec une plage limitée.

Les points importants:

1. Le logarithme népérien (log) est calculé à l'aide de la fonction numpy.log() en Python.
2. Le logarithme avec une base autre que e peut être calculé à l'aide des fonctions numpy.log10() ou numpy.log2() en Python.
3. L'inverse du logarithme népérien est la fonction exponentielle, qui peut être calculée à l'aide de la fonction numpy.exp() en Python.
4. Lorsque vous utilisez des logarithmes pour des analyses statistiques ou pour l'apprentissage automatique, il est important de penser à retransformer les données à leur échelle d'origine après analyse.

Livres de référence:

Python for Data Analysis de Wes McKinney couvre en profondeur la bibliothèque NumPy et ses applications dans l'analyse de données, y compris la fonction logarithmique.
Python numérique : une approche technique pratique pour l'industrie de Robert Johansson couvre en profondeur la bibliothèque NumPy et ses applications en calcul numérique et en calcul scientifique, y compris la fonction logarithmique.
Python Data Science Handbook de Jake VanderPlas couvre en profondeur la bibliothèque NumPy et ses applications en science des données, y compris la fonction logarithmique.