Python erbjuder många inbyggda logaritmiska funktioner under modulen matematik vilket gör att vi kan beräkna loggar med en enda rad. Det finns 4 varianter av logaritmiska funktioner, som alla diskuteras i den här artikeln.
1. log(a,(Bas)): Denna funktion används för att beräkna naturlig logaritm (Bas e) av a. Om 2 argument skickas, beräknar den logaritmen för den önskade basen av argument a, numeriskt värde på log(a)/log(Bas) .
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
java lista sträng
# Python code to demonstrate the working of> # log1p(a)> import> math> # Printing the log(1+a) of 14> print> (>'Logarithm(1+a) value of 14 is : '>, end>=>'')> print> (math.log1p(>14>))> |
>
>
Utgång:
Natural logarithm of 14 is : 2.6390573296152584 Logarithm base 5 of 14 is : 1.6397385131955606>
2. log2(a): Denna funktion används för att beräkna logaritmbas 2 av en. Visar mer exakt resultat än 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
# Python code to demonstrate the Exception of> # log(a)> import> math> # Printing the log(a) of -14> # Throws Exception> print> (>'log(a) value of -14 is : '>, end>=>'')> print> (math.log(>->14>))> |
>
>
Utgång:
Logarithm base 2 of 14 is : 3.807354922057604>
3. log10(a): Denna funktion används för att beräkna logaritmbas 10 av en. Visar mer exakt resultat än 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
# Python code to demonstrate the Application of> # log10(a)> import> math> # Printing no. of digits in 73293> print> (>'The number of digits in 73293 are : '>, end>=>'')> print> (>int>(math.log10(>73293>)>+> 1>))> |
>
>
Utgång:
Logarithm base 10 of 14 is : 1.146128035678238>
3. log1p(a): Denna funktion används för att beräkna logaritm(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
>
>
Utgång:
Logarithm(1+a) value of 14 is : 2.70805020110221>Undantag
1. ValueError: Denna funktion returnerar värdefel om nummer är negativ .
Python3
# Python code to demonstrate the Exception of> # log(a)> import> math> # Printing the log(a) of -14> # Throws Exception> print> (>'log(a) value of -14 is : '>, end>=>'')> print> (math.log(>->14>))> |
>
>
Utgång:
log(a) value of -14 is :>
Runtime Error:
Traceback (most recent call last): File '/home/8a74e9d7e5adfdb902ab15712cbaafe2.py', line 9, in print (math.log(-14)) ValueError: math domain error>Praktisk applikation
En av tillämpningarna av funktionen log10() är att den används för att beräkna Nej. av siffror i ett nummer . Koden nedan illustrerar detsamma.
Python3
# Python code to demonstrate the Application of> # log10(a)> import> math> # Printing no. of digits in 73293> print> (>'The number of digits in 73293 are : '>, end>=>'')> print> (>int>(math.log10(>73293>)>+> 1>))> |
>
>
Utgång:
The number of digits in 73293 are : 5>
Den naturliga logaritmen (loggen) är en viktig matematisk funktion i Python som ofta används i vetenskapliga beräkningar, dataanalyser och maskininlärningsapplikationer. Här är några fördelar, nackdelar, viktiga punkter och referensböcker relaterade till loggfunktioner i Python:
Fördelar:
Loggfunktionen är användbar för att omvandla data som har ett brett spektrum av värden eller en icke-normal fördelning till en mer normalfördelad form, vilket kan förbättra noggrannheten i statistiska analyser och maskininlärningsmodeller.
Loggfunktionen används ofta inom finans och ekonomi för att beräkna sammansatt ränta, nuvärden och andra finansiella mått.
Loggfunktionen kan användas för att minska effekten av extremvärden på statistiska analyser genom att komprimera datas skala.
Loggfunktionen kan användas för att visualisera data med ett stort dynamiskt område eller med värden nära noll.
Nackdelar:
Loggfunktionen kan vara beräkningsmässigt dyr för stora datamängder, speciellt om loggfunktionen används upprepade gånger.
Loggfunktionen kanske inte är lämplig för alla typer av data, till exempel kategoridata eller data med ett begränsat intervall.
Viktiga punkter:
- Den naturliga logaritmen (log) beräknas med funktionen numpy.log() i Python.
- Logaritmen med en annan bas än e kan beräknas med funktionerna numpy.log10() eller numpy.log2() i Python.
- Inversen av den naturliga logaritmen är exponentialfunktionen, som kan beräknas med funktionen numpy.exp() i Python.
- När du använder logaritmer för statistiska analyser eller maskininlärning är det viktigt att komma ihåg att transformera data tillbaka till sin ursprungliga skala efter analys.
Uppslagsverk:
Python for Data Analysis av Wes McKinney täcker NumPy-biblioteket och dess tillämpningar inom dataanalys på djupet, inklusive den logaritmiska funktionen.
Numerical Python: A Practical Techniques Approach for Industry av Robert Johansson täcker NumPy-biblioteket och dess tillämpningar inom numerisk beräkning och vetenskaplig beräkning på djupet, inklusive den logaritmiska funktionen.
Python Data Science Handbook av Jake VanderPlas täcker NumPy-biblioteket och dess tillämpningar inom datavetenskap på djupet, inklusive den logaritmiska funktionen.