AskPython中的一系列文章详细介绍了Python numpy库中可用的各种函数，是时候向对数问好了！在了解 Python 中的函数之前，我们先尝试了解一下什么是对数以及为什么要使用对数。
假设我们有一个数字“10”，想要计算它的“3”次方。结果将是“1,000”。对数是表达此运算的另一种方法。为获得所需数字而对某个数字进行幂的操作称为“对数”
另请阅读：Numpy log10 – 按元素返回输入数组的以 10 为底的对数。。
在上面的例子中，10 的对数得到 1,000 就是“3”！现在，我们将把注意力转向本文的范围——log1p ()函数。该函数返回输入数字加一后的自然对数。
让我们首先使用以下代码导入numpy库。
import numpy as np |
此后，我们将 通过以下各节进一步探讨log1p( ) 函数。
- log1p( ) 函数的语法
- 为什么使用log1p(x)而不是log(x+1)？
- 在 N 维数组上使用log1p( )
log1p( ) 函数的语法
log1p( )函数的工作原理与log( )函数类似，但唯一的区别是在计算结果之前，输入的数字会加“1”。以下是log1p( )函数的语法，其中包含其运行所需的强制输入和可选输入。
numpy. log1p(x, out=None, *, where=True, dtype=None) |
在哪里，
- x – N 维数组或标量
- out –默认情况下设置为none的可选构造，但可用于将结果存储在与输出长度相同的所需数组中
- * – kwargs 或关键字参数，它是一个可选构造，用于将参数的关键字可变长度传递给函数
- 其中 –一个可选构造，用于在设置为True （默认设置）时计算给定位置的通用函数 (ufunc)，或在设置为False时不计算
- dtype –一个可选结构，用于指定正在使用的数据类型
为什么使用log1p(x)而不是log(x+1)？
当使用已经可用的log()函数可以完成相同的操作时，人们可能为什么要费心构建一个特定的函数来将“1”添加到输入数字中。为了找出这背后的原因，让我们比较这两个函数的结果，看看是否存在任何可观察到的差异。
x = 10np.log(x+1)np.log1p(x) |
以下是上述代码的结果。
结果甚至到小数点最后一位都相同！但是，如果我们减少“x”的数量并将其放入相同的函数中会怎么样？这些能够返回相同的结果吗？让我们来看看吧！
x = 1e-10np.log(x+1)np.log1p(x) |
现在的结果不一样了，是吗？（邪恶的坏笑！）
这背后的主要原因是log1p(x)函数似乎可以准确地工作，即使对于小数点后几位数开始的较小数字也是如此。但是，对于log(x+1)函数却不能这样说，因为结果会由于舍入误差而产生偏移。因此，当涉及较小数量级的数字时，使用log1p( )返回准确的结果。
在 N 维数组上使用log1p( )
在本节中，我们尝试仅在 N 维数组的选定位置部署log1p( )函数。
ar1 = np.array([[1, 8, 0.09], [5.007, 33, 2]])np.log1p(ar1, where = [[False, True, True], [True, True, False]]) |
由于使用了where选项，可以看出仅在给定为True 的位置返回结果，其他位置的结果为零。
结论
现在我们已经到了本文的结尾，希望它已经详细说明了如何使用 numpy 库中的log1p( ) 函数 。这是另一篇文章，详细介绍了Python 中numpy 库中的expm1( )函数 的用法。AskPython中还有许多其他有趣且内容丰富的文章，可能对那些希望提高 Python 水平的人有很大帮助。 马泽尔托夫！