그만큼 numpy.log() 사용자가 계산하는 데 도움이 되는 수학 함수입니다. x의 자연 로그 여기서 x는 모든 입력 배열 요소에 속합니다. 자연로그 로그는 exp()의 반대 , 하도록 하다 로그(exp(x)) = x . 자연 로그는 e를 밑으로 하는 로그입니다.
구문: numpy.log(x[, out] = ufunc 'log1p') 매개변수: 배열 : [array_like] 배열 또는 객체를 입력합니다. 밖으로 : [ndarray, 선택 사항] 입력 배열과 동일한 차원을 가진 출력 배열이며 결과와 함께 배치됩니다. 반품 : x의 자연 로그 값을 갖는 배열입니다. 여기서 x는 입력 배열의 모든 요소에 속합니다.
코드 #1 : 작동 중
파이썬3
캐시디 허친슨 교육
# Python program explaining> # log() function> import> numpy as np> > in_array>=> [>1>,>3>,>5>,>2>*>*>8>]> print> (>'Input array : '>, in_array)> > out_array>=> np.log(in_array)> print> (>'Output array : '>, out_array)> > > print>(>'
np.log(4**4) : '>, np.log(>4>*>*>4>))> print>(>'np.log(2**8) : '>, np.log(>2>*>*>8>))> |
>
머신러닝의 종류
>
출력 :
Input array : [1, 3, 5, 256] Output array : [ 0. 1.09861229 1.60943791 5.54517744] np.log(4**4) : 5.54517744448 np.log(2**8) : 5.54517744448>
코드 #2 : 그래픽 표현
파이썬3
# Python program showing> # Graphical representation> # of log() function> import> numpy as np> import> matplotlib.pyplot as plt> > in_array>=> [>1>,>1.2>,>1.4>,>1.6>,>1.8>,>2>]> out_array>=> np.log(in_array)> > print> (>'out_array : '>, out_array)> > plt.plot(in_array, in_array,> >color>=> 'blue'>, marker>=> '*'>)> > # red for numpy.log()> plt.plot(out_array, in_array,> >color>=> 'red'>, marker>=> 'o'>)> > plt.title(>'numpy.log()'>)> plt.xlabel(>'out_array'>)> plt.ylabel(>'in_array'>)> plt.show()> |
>
CSS에서 마우스를 가리키면
>
출력 :
out_array : [ 0. 0.18232156 0.33647224 0.47000363 0.58778666 0.69314718]>
numpy.log()는 주어진 입력의 자연 로그를 계산하는 데 사용되는 Python NumPy 라이브러리의 함수입니다. 자연 로그는 지수 함수의 역수인 수학 함수입니다. 이 함수는 배열 또는 스칼라를 입력으로 사용하고 각 요소의 자연 로그가 포함된 배열 또는 스칼라를 반환합니다.
Python에서 numpy.log() 함수를 사용하면 다음과 같은 이점이 있습니다.
- 속도: numpy.log() 함수는 빠른 계산을 위해 고도로 최적화되어 있어 과학 컴퓨팅 및 데이터 분석에서 대규모 데이터 세트와 복잡한 계산을 처리하는 데 적합합니다.
- 수학적 정확도: numpy.log() 함수는 자연 로그 계산에 높은 수학적 정확도를 제공하므로 수치 시뮬레이션 및 과학 실험에 유용합니다.
- 다양성: numpy.log() 함수는 스칼라, 배열 및 행렬을 포함한 광범위한 입력 유형과 함께 사용할 수 있습니다.
- 다른 NumPy 함수와의 통합: numpy.log() 함수는 다른 NumPy 함수 및 라이브러리와 쉽게 통합될 수 있으므로 더 복잡한 계산 및 데이터 분석이 가능합니다.
Python에서 numpy.log() 함수를 사용할 때의 단점:
- 제한된 도메인: numpy.log() 함수는 양의 실수에 대해서만 정의되며 양수가 아닌 숫자가 주어지면 ValueError를 발생시킵니다.
- 제한된 기능: numpy.log() 함수는 자연 로그를 계산하는 데 유용하지만 수학 연산 및 데이터 분석을 위한 다른 전문 라이브러리 및 함수에 비해 기능이 제한되어 있습니다.
- NumPy 라이브러리 필요: numpy.log() 함수를 사용하려면 Python 환경에 NumPy 라이브러리를 설치하고 가져와야 합니다. 이는 코드에 약간의 오버헤드를 추가할 수 있으며 특정 애플리케이션에는 적합하지 않을 수 있습니다.
Python에서 numpy.log() 함수를 사용하는 동안 명심해야 할 몇 가지 중요한 사항은 다음과 같습니다.
- numpy.log() 함수는 주어진 입력의 자연 로그를 계산합니다.
- 자연 로그는 지수 함수의 역수인 수학 함수입니다.
- 이 함수는 배열 또는 스칼라를 입력으로 사용하고 각 요소의 자연 로그가 포함된 배열 또는 스칼라를 반환합니다.
- numpy.log() 함수는 빠른 계산을 위해 고도로 최적화되어 있어 과학 컴퓨팅 및 데이터 분석에서 대규모 데이터 세트와 복잡한 계산을 처리하는 데 적합합니다.
- numpy.log() 함수는 스칼라, 배열, 행렬을 포함한 광범위한 입력 유형과 함께 사용할 수 있습니다.
- numpy.log() 함수는 양의 실수에 대해서만 정의되며, 양수가 아닌 숫자가 주어지면 ValueError를 발생시킵니다.
- numpy.log() 함수는 자연 로그 계산에 높은 수학적 정확도를 제공하므로 수치 시뮬레이션 및 과학 실험에 유용합니다.
- numpy.log() 함수를 사용하려면 NumPy 라이브러리를 설치하고 Python 환경에 가져와야 합니다.
참고서 찾고 계시다면
NumPy에서 인기 있는 옵션 중 하나는 Wes McKinney의 Python for Data Analysis입니다. 이 책에서는 Pandas, matplotlib 등 데이터 분석을 위한 다른 중요한 Python 라이브러리와 함께 NumPy를 심층적으로 다룹니다. 또한 배운 내용을 적용하는 데 도움이 되는 실제 사례와 연습 문제도 포함되어 있습니다.