numpy中的log和ln函数解读

目录

• numpy的log和ln函数
• ln函数
• log函数
• numpy的部分通用函数
• 1.数组算术运算符
• 2.绝对值通用函数np.absolute()
• 3.三角函数
• 4.指数和对数

numpy的log和ln函数

每次当我想用python实现ln函数时，下意识的就会输入错误的函数代码，这里特来记录一下关于numpy中的ln和log函数正确的调用方式。

ln函数

import numpy as np


class NumpyStudy:
    def lnFunction(self):
        const = np.e
        result = np.log(const)
        print("函数ln(e)的值为：")
        print(result)


if __name__ == "__main__":
    main = NumpyStudy()
    main.lnFunction()
"""
函数ln(e)的值为：
1.0
"""

我们可以看到得到的值为1，说明在python中，np.log()指代的便是数学中使用的ln函数。

log函数

import numpy as np


class NumpyStudy:
    def logFunction(self):
        const = 100
        result = np.log10(const)
        print("函数ln(e)的值为：")
        print(result)


if __name__ == "__main__":
    main = NumpyStudy()
    main.logFunction()
"""
函数ln(e)的值为：
2.0
"""

我们可以看到得到的值为2，说明在python中，np.log10()指代的便是数学中使用的lg函数。

前几天看到有一个小伙伴留言说，既然以10和以自然数e为底数的目前都有了，那么以其他数比如2，3，4等等为底数的log函数该怎么办呢？

这里我们需要用到一下数学上的小技巧—换底公式进行一下变换。例如：我们想要求出log以2为底16的值。

import numpy as np


class NumpyStudy:
    def lnFunction(self):
        result = np.log(16) / np.log(2)
        result1 = np.log10(16) / np.log10(2)
        print("函数ln(e)的值为：")
        print(result)
        print(result1)


if __name__ == "__main__":
    main = NumpyStudy()
    main.lnFunction()
"""
函数ln(e)的值为：
4.0
4.0
"""

可以看到我们最后成功地获取到了正确的结果4.0。用这种方法我们可以获取到以任意数为底数的log函数值。

numpy的部分通用函数

1.数组算术运算符

运算符对应的通用函数描述+np.add加法运算（即1+1=2)-np.substract减法运算（即3-2=1）-np.negative负数运算（即-2）*Nnp.multiply乘法运算（即2*3=6）/np.divide除法运算（即3/2=1.5）//np.floor_divide向下整除运算（floor division,即3//2=1）**np.power指数运算（即2 ** 3=8）%np.mod模/余数（即9%4=1）

这些都是一元通用函数，写代码时可直接用左栏的运算符代替

x=np.arrange(4)
#array([0, 1, 2, 3])
x + 2
#array([2, 3, 4, 5])
np.add(x,2)
#array([2, 3, 4, 5])

2.绝对值通用函数np.absolute()

也可以通过np.abs()访问

其对复数的运算是求模

x=np.array([-2, -1, 0, 1, 2])
abs(x)
#array([2, 1, 0, 1, 2])
np.absolute(x)
#array([2, 1, 0, 1, 2])

3.三角函数

• np.sin()
• np.cos()
• np.tan()

反三角同理

4.指数和对数

表达函数e^xnp.exp(x)2^xnp.exp2(x)3^xnp.power(3, x)ln(x)np.log(x)log2(x)np.log2(x)log10(x)np.log10(x)exp(x)-1np.expm1(x)log(1+x)np.log1p(x)

以上为个人经验，希望能给大家一个参考，也希望大家多多支持自由互联。