目录
numpy的log和ln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
- """
复制代码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
- """
复制代码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
- """
复制代码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])
复制代码 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])
复制代码 3.三角函数
反三角同理
4.指数和对数
表达 | 函数 | e^x | np.exp(x) | 2^x | np.exp2(x) | 3^x | np.power(3, x) | ln(x) | np.log(x) | log2(x) | np.log2(x) | log10(x) | np.log10(x) | exp(x)-1 | np.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中国红客联盟。 |