Numpy Exmp1：完整指南

作者

欧拉数，也称为“e”，是一个重要的数学常数，以 18 世纪数学家 Leonhard Euler 的名字命名。据估计，这个数字的精确度超过万亿位，是数学计算的重要工具。

2.718281828459045……

欧拉数

末尾的点表示数字的个数，从而推断“e”属于无理数类别。我们首先使用以下代码导入numpy库。

在本文中，我们将探讨欧拉数的历史以及如何在 Numpy Exmp1() 函数中使用它。

import numpy as np

此后，我们将 通过以下各节进一步探讨expm1( ) 函数。

  • expm1( ) 函数的语法
  • 为什么使用expm1(x)而不是exp(x)-1？
  • 在标量上使用expm1( )
  • 在 N 维数组上使用expm1( )

expm1( ) 函数的语法

expm1( )的功能与exp( )函数的功能类似，其中“ e”求给定数字的幂，然后从中减去一 (1)。以下是expm1( )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.expm1(x, out=None, *, where=True, dtype=None)

在哪里，

  • x –  N 维数组或标量，要求e次方
  • 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 –一个可选结构，当设置为True （默认设置）时，用于计算给定位置的通用函数 (ufunc) ；当设置为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 expm1(x) 而不是 exp(x)-1？

您可能想知道为什么需要构建一个特定的函数来从指数中删除一个，而不是使用已经可用的函数exp( ) 并从中删除一个！（即）exp(x)-1。

让我们这样做并找出是否存在任何可观察到的差异。

x = 1.5
np.exp(x)-1
np.expm1(x)

以下是上述代码的结果。

x=1.5 时的结果

嗯，看起来一切都很好，两个结果是同义词。但是，如果我们稍微减少“x”并部署相同的功能会怎么样？这些能够返回相同的结果吗？让我们来看看吧！

x = 0.0001
np.exp(x)-1
np.expm1(x)
x=0.0001 时的结果

现在的结果不一样了，不是吗？布哈哈哈哈！（阴险的笑声）

这背后的主要原因是任何接近“0”的数字的指数将非常接近“1”。因此，exp(x)-1在返回结果方面似乎并不那么准确，并且Python 的numpy库中提供了专用函数expm1( ) 。

在标量上使用 expm1( )

您还可以通过向expm1( )函数分配一个负数来查找结果。这将依次返回exp(x) 的等价物，对其进行倒数运算，然后从中删除“1”。对于那些想直接跳到结果的人来说，它们就在这里！

a = -10
b = 0.000000009
np.expm1(a)
np.expm1(b)
在标量上使用expm1 ( )

在 N 维数组上使用 expm1( )

当应用于 N 维数组时，expm1( ) 函数也适用，如下所示。

ar1 = np.array([[1, 8, 0.09],
                [5.007, -3.303, 2]])
np.expm1(ar1)
在 N 维数组上使用expm1 ( )

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 expm1( ) 函数。这是另一篇文章，详细介绍了Python 中numpy 库中的nextafter()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！