numpy.log() est une fonction mathématique utilisée pour calculer le logarithme népérien de x (x appartient à tous les éléments du tableau d'entrée). C'est l'inverse de la fonction exponentielle ainsi qu'un logarithme naturel élément par élément. Le logarithme népérien log est l'inverse de la fonction exponentielle, de sorte que log(exp(x))=x. Le logarithme en base e est le logarithme népérien.
Syntaxe
numpy.log(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) =
Paramètres
x : tableau_like
Ce paramètre définit la valeur d'entrée de la fonction numpy.log().
out : ndarray, None, ou tuple de ndarray et None (facultatif)
Ce paramètre permet de définir l'emplacement dans lequel le résultat est stocké. Si l'on définit ce paramètre, il doit avoir une forme similaire à la diffusion d'entrée ; sinon, un tableau fraîchement alloué est renvoyé. Un tuple a une longueur égale au nombre de sorties.
où : array_like (facultatif)
C'est une condition qui est diffusée sur l'entrée. À cet emplacement, où la condition est True, le tableau out sera défini sur le résultat ufunc(universal function) ; sinon, il conservera sa valeur d'origine.
casting : {'no','equiv','safe','same_kind','unsafe'}(facultatif)
Ce paramètre contrôle le type de diffusion de données qui peut se produire. Le « non » signifie que les types de données ne doivent pas du tout être convertis. Le « équiv » signifie que seules les modifications de l'ordre des octets sont autorisées. Le « coffre-fort » signifie le seul casting qui peut permettre la valeur préservée. Le « same_kind » signifie uniquement les lancers sûrs ou les lancers au sein d'un genre. Le « dangereux » signifie que toutes les conversions de données peuvent être effectuées.
ordre : {'K', 'C', 'F', 'A'} (facultatif)
Ce paramètre spécifie l'ordre d'itération du calcul/la disposition de la mémoire du tableau de sortie. Par défaut, l'ordre sera K. L'ordre « C » signifie que la sortie doit être C-contiguë. L'ordre « F » signifie F-contigu, et « A » signifie F-contigu si les entrées sont F-contiguës et si les entrées sont en C-contiguës, alors « A » signifie C-contigu. « K » signifie correspondre à l'ordre des éléments des entrées (aussi fidèlement que possible).
dtype : type de données (facultatif)
convertir un tableau d'octets en chaîne
Il remplace le type des tableaux de calcul et de sortie.
test : booléen (facultatif)
Par défaut, ce paramètre est défini sur true. Si nous le définissons sur false, la sortie sera toujours un tableau strict, pas un sous-type.
signature
modules à ressorts
Cet argument nous permet de fournir une signature spécifique à la boucle 1D « for », utilisée dans le calcul sous-jacent.
extobj
Ce paramètre est une liste de longueur 1, 2 ou 3 spécifiant la taille du tampon ufunc, l'entier du mode d'erreur et la fonction de rappel d'erreur.
Retour
Cette fonction renvoie un ndarray qui contient la valeur logarithmique naturelle de x, qui appartient à tous les éléments du tableau d'entrée.
Exemple 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
Sortir:
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])
Dans le code mentionné ci-dessus
- Nous avons importé numpy avec le nom d'alias np.
- Nous avons créé un tableau 'a' en utilisant la fonction np.array().
- Nous avons déclaré les variables b, c et d et attribué respectivement la valeur renvoyée des fonctions np.log(), np.log2() et np.log10().
- Nous avons passé le tableau 'a' dans toutes les fonctions.
- Enfin, nous avons essayé d'imprimer la valeur de b, c et d.
Dans la sortie, un ndarray a été affiché, contient les valeurs log, log2 et log10 de tous les éléments du tableau source.
Exemple 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()
Sortir:
Dans le code ci-dessus
- Nous avons importé numpy avec le nom d'alias np.
- Nous avons également importé matplotlib.pyplot avec le nom d'alias plt.
- Ensuite, nous avons créé un tableau 'arr' en utilisant la fonction np.array().
- Après cela, nous avons déclaré les variables result1, result2, result3 et attribué respectivement les valeurs renvoyées des fonctions np.log(), np.log2() et np.log10().
- Nous avons passé le tableau 'arr' dans toutes les fonctions.
- Enfin, nous avons essayé de tracer les valeurs de « arr », result1, result2 et result3.
Dans le résultat, un graphique avec quatre lignes droites de couleurs différentes a été affiché.
Exemple 3 :
import numpy as np x=np.log([2, np.e, np.e**3, 0]) x
Sortir:
__main__:1: RuntimeWarning: divide by zero encountered in log array([0.69314718, 1. , 3. , -inf])
Dans le code ci-dessus
- Tout d’abord, nous avons importé numpy avec le nom d’alias np.
- Nous avons déclaré la variable 'x' et attribué la valeur renvoyée par les fonctions np.log().
- Nous avons transmis différentes valeurs dans la fonction, telles que la valeur entière, np.e et np.e**2.
- Enfin, nous avons essayé d'imprimer la valeur de « x ».
Dans la sortie, un ndarray a été affiché, contient les valeurs log des éléments du tableau source.