Функция log10 в NumPy
Мы все знаем о возможностях библиотеки NumPy. Она отлично подходит для наших математических расчетов. Одно из таких математических вычислений включает логарифмические вычисления, и да, в NumPy есть функция логарифма, которая помогает нам выполнять такие сложные вычисления. В этой статье давайте узнаем о функции log10, ее формате, параметрах и примерах использования.
Что такое log10?
Логарифм числа по основанию 10, записанный как «log(x)», говорит вам, какая степень 10 равна этому числу «x».
Предположим, у вас есть число, скажем, 100. Теперь, чтобы узнать, сколько раз вам нужно умножить 10 само на себя, чтобы получить 100, вы используете логарифмическую базу 10. В этом случае логарифм по основанию 10 из 100 говорит вам, что вам нужно дважды умножить 10 само на себя (поскольку 10 * 10 = 100). Итак, логарифм по основанию 10 из 100 равен 2.
Например:
- log₁₀(100) = 2, потому что 10² = 100
- log₁₀(1000) = 3, потому что 10³ = 1000
- log₁₀(10) = 1, потому что 10¹ = 10
Логарифмы важны, потому что они:
- Сжимают большие числа.
- Решают сложные уравнения.
- Эффективно анализируют данные.
- Измеряют сложность алгоритма.
- Помогают с вероятностями и статистикой.
numpy.log10() в Python
Теперь, когда мы понимаем, что такое логарифмическая система счисления по основанию десять и почему мы ее используем, давайте посмотрим, как мы можем реализовать ее в программировании. Мы достигаем этого, используя функцию log10() NumPy.
Синтаксис
В Python мы пишем это так:
numpy.log10(x, out=None, where=True, casting='same_kind', order='K', dtype=None, ufunc 'log10')
Вот что означает каждый из используемых здесь параметров:
x: это входные данные. Это может быть одно число, список чисел или последовательность чисел.out: сюда будет отправлен результат. Он должен быть такого же размера и формы, как и то, что вы ожидаете получить.where: это говорит нам, где действительны данные в «x». Это может быть массивtrue/falseили условие.casting: говорит нам, как преобразовать типы данных, если это необходимо.order: определяет, как организована выходная память.dtype: сообщает нам, какой тип данных должен иметь выходной массив.ufunc 'log10': это универсальная функция, используемая для этой операции.
Принцип работы
Для каждого числа во входном массиве 'x' numpy.log10() находит логарифм по основанию 10. Он возвращает массив той же формы, что и входные данные, где каждое число представляет собой логарифм по основанию 10 соответствующего числа во входных данных. Если вы выберете опцию out, результат попадет в этот массив, если нет, он создаст новый.
Использование numpy.log10() в Python
Я предполагаю, что вы уже поняли суть представленной функции, но для лучшего понимания позвольте мне привести вам несколько примеров.
Пример 1
Начнем с простого примера использования скалярного ввода.
import numpy as np
user_in = float(input("Enter a number: "))
result = np.log10(user_in)
print("Log base 10 of", user_in, "is:", result)
Пример 2
Теперь давайте посмотрим, как это работает с вводом одномерного массива.
import numpy as np
x = np.array([100, 1000, 100, 1000])
result = np.log10(x)
print("The array containing the log base 10 value of each element is ",result)
Пример 3
Эта функция работает аналогично с двумерным массивом.
import numpy as np
x = np.array([[2, 5, 8], [15, 20, 25]])
result = np.log10(x)
print("The array containing the log base 10 value of each element is ", result)
Пример 4
Теперь мы увидим, как можно использовать параметр where.
import numpy as np
x = np.array([5, 10, 15, 20])
result = np.log10(x, where=x > 10)
print("The array containing the log base 10 value of each element is ",result)В этом примере логарифм по основанию 10 вычисляется только для элементов массива x, значение которых больше 10. Для остальных будет либо отображаться nan, либо выбрасываться мусор.
Пример 5
Эта функция возвращает значение NaN, если мы предоставляем отрицательное входное значение.
import numpy as np
x = np.array([-100, 1000, -100, 1000])
result = np.log10(x)
print("The array containing the log base 10 value of each element is ", result)
Краткое содержание
Log10 — очень полезная функция, мы обсудили ее основную концепцию, работу и синтаксис. Мы не только изучили теорию, но и увидели практические примеры и изучили ее поведение при различных типах входных данных.
