精华内容
下载资源
问答
  • 2015-08-30 17:24:00

    from math import log
    from math import e

    print e #自然对数
    print log(e) #log函数默认是以e为底
    print log(100,10) #以10为底,对100取对数
    print log(4,2) #以2为底,对4取对数

    转载于:https://www.cnblogs.com/100thMountain/p/4771201.html

    更多相关内容
  • python对数函数_Python log()函数来计算对数

    万次阅读 多人点赞 2020-07-16 11:34:52
    python对数函数Logarithms are used to depict and represent large numbers. The log is an inverse of the exponent. This article will dive into the Python log() functions. The logarithmic functions of ...

    python对数函数

    Logarithms are used to depict and represent large numbers. The log is an inverse of the exponent. This article will dive into the Python log() functions. The logarithmic functions of Python help the users to find the log of numbers in a much easier and efficient manner.

    对数用于描述和表示大数。 对数是指数的倒数。 本文将深入探讨Python log()函数 。 Python的对数函数可帮助用户以更容易有效的方式查找数字的对数。



    了解Python中的log()函数 (Understanding the log() functions in Python)

    In order to use the functionalities of Log functions, we need to import the math module using the below statement.

    为了使用Log函数的功能,我们需要使用以下语句导入 math模块。

    
    import math
    

    We all need to take note of the fact that the Python Log functions cannot be accessed directly. We need to use the math module to access the log functions in the code.

    我们都需要注意一个事实,即Python Log函数不能直接访问。 我们需要使用math模块来访问代码中的日志功能。

    Syntax:

    句法:

    
    math.log(x)
    

    The math.log(x) function is used to calculate the natural logarithmic value i.e. log to the base e (Euler’s number) which is about 2.71828, of the parameter value (numeric expression), passed to it.

    math.log(x)函数用于计算自然对数值,即,将传递给它的参数值( 数字表达式的底数e (欧拉数)记录为约2.71828。

    Example:

    例:

    
    import math   
    
    print("Log value: ", math.log(2))
    

    In the above snippet of code, we are requesting the logarithmic value of 2.

    在上面的代码段中,我们要求对数值为2。

    Output:

    输出:

    
    Log value:  0.6931471805599453
    


    Python log()函数的变体 (Variants of Python log() Functions)

    The following are the variants of the basic log function in Python:

    以下是Python中基本日志功能的变体:

    • log2(x)

      log2(x)
    • log(x, Base)

      log(x,基本)
    • log10(x)

      log10(x)
    • log1p(x)

      log1p(x)


    1. log2(x)–以2为底的对数 (1. log2(x) – log base 2)

    The math.log2(x) function is used to calculate the logarithmic value of a numeric expression of base 2.

    math.log2(x)函数用于计算以2为底的数字表达式对数值

    Syntax:

    句法:

    
    math.log2(numeric expression)
    

    Example:

    例:

    
    import math 
    
    print ("Log value for base 2: ") 
    print (math.log2(20)) 
    
    

    Output:

    输出:

    
    Log value for base 2: 
    4.321928094887363
    


    2. log(n,Base)–日志基数n (2. log(n, Base) – log base n)

    The math.log(x,Base) function calculates the logarithmic value of x i.e. numeric expression for a particular (desired) base value.

    math.log(x,Base)函数计算x的对数值,即特定(所需)基值的数字表达式。

    Syntax:

    句法:

    
    math.log(numeric_expression,base_value)
    

    This function accepts two arguments:

    此函数接受两个参数:

    • numeric expression

      数值表达式
    • Base value

      基本值

    Note: If no base value is provided to the function, the math.log(x,(Base)) acts as a basic log function and calculates the log of the numeric expression to the base e.

    注意 :如果没有为函数提供基值 ,则math.log(x,(Base))充当基本对数函数,并计算数字表达式对基e的对数

    Example:

    例:

    
    import math 
    
    print ("Log value for base 4 : ") 
    print (math.log(20,4)) 
    
    

    Output:

    输出:

    
    Log value for base 4 : 
    2.1609640474436813
    


    3. log10(x)–以10为底的对数 (3. log10(x) – log base 10)

    The math.log10(x) function calculates the logarithmic value of the numeric expression to the base 10.

    math.log10(x)函数将数字表达式的对数值计算为以10

    Syntax:

    句法:

    
    math.log10(numeric_expression)
    

    Example:

    例:

    
    import math 
    
    print ("Log value for base 10: ") 
    print (math.log10(15)) 
    
    

    In the above snippet of code, the logarithmic value of 15 to the base 10 is calculated.

    在上面的代码片段中,计算了以10的对数值15

    Output:

    输出:

    
    Log value for base 10 : 
    1.1760912590556813
    


    4. log1p(x) (4. log1p(x))

    The math.log1p(x) function calculates the log(1+x) of a particular input value i.e. x

    math.log1p(x)函数计算特定输入值(即x log(1 + x)

    Note: math.log1p(1+x) is equivalent to math.log(x)

    注意: math.log1p(1 + x)等同于math.log(x)

    Syntax:

    句法:

    
    math.log1p(numeric_expression)
    

    Example:

    例:

    
    import math 
    
    print ("Log value(1+15) for x = 15 is: ") 
    print (math.log1p(15)) 
    
    

    In the above snippet of code, the log value of (1+15) for the input expression 15 is calculated.

    在上面的代码片段中,计算了输入表达式15的对数(1 + 15)。

    Thus, math.log1p(15) is equivalent to math.log(16).

    因此, math.log1p(15)等同于math.log(16)

    Output:

    输出:

    
    Log value(1+15) for x = 15 is: 
    2.772588722239781
    


    了解Python NumPy中的日志 (Understanding log in Python NumPy )

    Python NumPy enables us to calculate the natural logarithmic values of the input NumPy array elements simultaneously.

    Python NumPy使我们能够同时计算输入NumPy数组元素的自然对数值

    In order to use the numpy.log() method, we need to import the NumPy module using the below statement.

    为了使用numpy.log()方法,我们需要使用以下语句导入NumPy模块

    
    import numpy
    

    Syntax:

    句法:

    
    numpy.log(input_array)
    

    The numpy.log() function accepts input array as a parameter and returns the array with the logarithmic value of elements in it.

    numpy.log()函数接受输入数组作为参数,并返回其中元素对数的数组。

    Example:

    例:

    
    import numpy as np 
    
    inp_arr = [10, 20, 30, 40, 50] 
    print ("Array input elements:\n", inp_arr) 
    
    res_arr = np.log(inp_arr) 
    print ("Resultant array elements:\n", res_arr) 
    

    Output:

    输出:

    
    Array input elements:
     [10, 20, 30, 40, 50]
    Resultant array elements:
     [ 2.30258509  2.99573227  3.40119738  3.68887945  3.91202301]
    


    结论 (Conclusion)

    In this article, we have understood the working of Python Log functions and have unveiled the variants of the logarithmic function in Python.

    在本文中,我们了解了Python Log函数的工作原理,并揭示了Python中对数函数的变体。



    参考资料 (References)

    翻译自: https://www.journaldev.com/36109/python-log-function-logarithm

    python对数函数

    展开全文
  • python绘制对数函数

    千次阅读 2020-02-18 11:16:47
    如何利用python的matplotlib模块绘制对数函数

    上一期,我们在探讨对数函数性质的时候,我们画了几个非常漂亮的图,这一期,就把画图的python放上来,设对数函数为
    y = l o g a x y=log_a x y=logax
    其中a>0,且a≠1。对应的指数函数为 y = a x y=a^x y=ax。现在来分情况画出对数函数的图像

    a>1

    完整代码

    # -*- coding: utf-8 -*-
    """
    Created on Mon Feb 17 17:32:49 2020
    project name:draw_logarithm_figure
    @author: 帅帅de三叔
    """
    import math 
    import numpy as np 
    import matplotlib.pyplot as plt 
    import mpl_toolkits.axisartist as axisartist #导入坐标轴加工模块
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus']=False
    
    fig=plt.figure(figsize=(6,4)) #新建画布
    ax=axisartist.Subplot(fig,111) #使用axisartist.Subplot方法创建一个绘图区对象ax
    fig.add_axes(ax) #将绘图区对象添加到画布中
    
    def logarithm_func(x, a=1/2): #定义指数函数 
        y=math.log(x, a)
        return y
    
    X=np.linspace(0.01, 4, 100) #构造自变量组
    Y=[logarithm_func(x) for x in X] #求函数值
    ax.plot(X, Y, label=r'$0<a<1$') #绘制指数函数
    ax.scatter(1, 0, color='red')
    plt.legend()
    plt.show()
    
    print(max(X), max(Y)) #测试一下自变量最大值和因变量最大值,为后面的坐标轴设置依据
    ax.axis[:].set_visible(False) #隐藏原来的实线矩形
    ax.axis["x"]=ax.new_floating_axis(0, 0, axis_direction="bottom") #添加x轴
    ax.axis["y"]=ax.new_floating_axis(1, 0, axis_direction="bottom") #添加y轴
    
    ax.axis["x"].set_axisline_style("-|>", size=1.0) #给x坐标轴加箭头
    ax.axis["y"].set_axisline_style("-|>", size=1.0) #给y坐标轴加箭头
    
    ax.annotate(s='x', xy=(max(X), 0), xytext=(max(X)+1, 0.3)) #标注x轴
    ax.annotate(s='y', xy=(0, 1.0), xytext=(-0.2, max(Y)+1)) #标注y轴
    
    plt.xlim(-1, 5) #设置横坐标范围
    plt.ylim(-5, 3) #设置纵坐标范围
    X_lim=np.arange(int(min(X)), max(X)+1, 1)
    ax.set_xticks(X_lim) #设置x轴刻度
    Y_lim=np.arange(-3, max(Y)+1, 1)
    ax.set_yticks(Y_lim) #设置y轴刻度
    ax.annotate(s=r'$y=log_a x$',xy=(1, 1), xytext=(1, 1)) #r'$y=(\frac{1}{2})^x$'
    

    效果图

    0<a<1

    a>1

    完整代码

    # -*- coding: utf-8 -*-
    """
    Created on Mon Feb 17 17:32:49 2020
    project name:draw_logarithm_figure
    @author: 帅帅de三叔
    """
    import math 
    import numpy as np 
    import matplotlib.pyplot as plt 
    import mpl_toolkits.axisartist as axisartist #导入坐标轴加工模块
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus']=False
    
    fig=plt.figure(figsize=(6,4)) #新建画布
    ax=axisartist.Subplot(fig,111) #使用axisartist.Subplot方法创建一个绘图区对象ax
    fig.add_axes(ax) #将绘图区对象添加到画布中
    
    def logarithm_func(x, a=2): #定义指数函数 
        y=math.log(x, a)
        return y
    
    X=np.linspace(0.01, 4, 100) #构造自变量组
    Y=[logarithm_func(x) for x in X] #求函数值
    ax.plot(X, Y, label=r'$a>1$') #绘制指数函数
    ax.scatter(1, 0, color='red')
    plt.legend()
    plt.show()
    
    print(max(X), max(Y)) #测试一下自变量最大值和因变量最大值,为后面的坐标轴设置依据
    ax.axis[:].set_visible(False) #隐藏原来的实线矩形
    ax.axis["x"]=ax.new_floating_axis(0, 0, axis_direction="bottom") #添加x轴
    ax.axis["y"]=ax.new_floating_axis(1, 0, axis_direction="bottom") #添加y轴
    
    ax.axis["x"].set_axisline_style("-|>", size=1.0) #给x坐标轴加箭头
    ax.axis["y"].set_axisline_style("-|>", size=1.0) #给y坐标轴加箭头
    
    ax.annotate(s='x', xy=(max(X), 0), xytext=(max(X)+1, 0.3)) #标注x轴
    ax.annotate(s='y', xy=(0, 1.0), xytext=(-0.2, max(Y)+1)) #标注y轴
    
    plt.xlim(-1, 5) #设置横坐标范围
    plt.ylim(-5, 3) #设置纵坐标范围
    X_lim=np.arange(int(min(X)), max(X)+1, 1)
    ax.set_xticks(X_lim) #设置x轴刻度
    Y_lim=np.arange(-3, max(Y)+1, 1)
    ax.set_yticks(Y_lim) #设置y轴刻度
    ax.annotate(s=r'$y=log_a x$',xy=(1, 1), xytext=(1, 1)) #r'$y=(\frac{1}{2})^x$'
    

    效果图

    a>1
    两个代码对比,可以看到,仅改了参数a的初始值和label标签,因为两个函数的定义域和值域是一致的。

    对数函数vs指数函数

    这两个函数虽然互为反函数,但是定义域和值域不一致,所以需要在定义函数的时候给出不同的自变量取值范围,否则会出现math domain error 。

    完整代码

    # -*- coding: utf-8 -*-
    """
    Created on Tue Feb 18 08:49:21 2020
    project name:logarithm_vs_exponential
    @author: 帅帅de三叔
    """
    import math 
    import numpy as np 
    import matplotlib.pyplot as plt 
    import mpl_toolkits.axisartist as axisartist #导入坐标轴加工模块
    plt.rcParams['font.sans-serif']=['SimHei']
    plt.rcParams['axes.unicode_minus']=False
    
    fig=plt.figure(figsize=(6,4)) #新建画布
    ax=axisartist.Subplot(fig,111) #使用axisartist.Subplot方法创建一个绘图区对象ax
    fig.add_axes(ax) #将绘图区对象添加到画布中
    
    def logarithm_func(x, a=2): #定义指数函数 
        y=math.log(x, a)
        return y
    
    def exponential_func(x, a=2): #定义指数函数
      y=math.pow(a, x)
      return y
    
    
    X=np.linspace(0.01, 4, 100) #构造自变量组
    Y=[logarithm_func(x) for x in X] #求函数值
    ax.plot(X, Y, label='对数函数') #绘制指数函数
    ax.scatter(1, 0, color='red')
    
    X1=np.linspace(-4, 4, 100)
    Y1=[exponential_func(x) for x in X1]
    ax.plot(X1, Y1, label='指数函数')
    ax.scatter(0, 1, color='red')
    
    ax.plot(X1, X1, color='green', label=r'$y=x$')
    plt.legend(loc=2)
    plt.show()
    
    print(max(X), max(Y)) #测试一下自变量最大值和因变量最大值,为后面的坐标轴设置依据
    ax.axis[:].set_visible(False) #隐藏原来的实线矩形
    ax.axis["x"]=ax.new_floating_axis(0, 0, axis_direction="bottom") #添加x轴
    ax.axis["y"]=ax.new_floating_axis(1, 0, axis_direction="bottom") #添加y轴
    
    ax.axis["x"].set_axisline_style("-|>", size=1.0) #给x坐标轴加箭头
    ax.axis["y"].set_axisline_style("-|>", size=1.0) #给y坐标轴加箭头
    
    ax.annotate(s='x', xy=(max(X), 0), xytext=(max(X)+1, 0.3)) #标注x轴
    ax.annotate(s='y', xy=(0, 1.0), xytext=(-0.2, 5)) #标注y轴
    
    plt.xlim(-5, 5) #设置横坐标范围
    plt.ylim(-5, 5) #设置纵坐标范围
    X_lim=np.arange(-4, 4, 1)
    ax.set_xticks(X_lim) #设置x轴刻度
    Y_lim=np.arange(-4, 4, 1)
    ax.set_yticks(Y_lim) #设置y轴刻度
    

    效果图

    a>1

    只需要在定义指数函数和对数函数的时候给a赋予不同的参数便可出现不同的形状,下图是a=1/2 时的效果图

    0<a<1
    如果你不会写代码或者还有什么不懂的欢迎来“三行科创”微信公众号留言,同时交流群免费向大家开放,入群讲缘分。

    参考文献

    1,https://blog.csdn.net/zengbowengood/article/details/104338878
    2,https://blog.csdn.net/zengbowengood/article/details/102862072
    3,https://blog.csdn.net/zengbowengood/article/details/104360150
    4,https://blog.csdn.net/zengbowengood/article/details/104260155
    5,https://matplotlib.org/api/_as_gen/matplotlib.pyplot.html
    6,https://blog.csdn.net/qq_17528659/article/details/82152530

    在这里插入图片描述

    展开全文
  • 详细内容log() 返回 x 的自然对数。math.log(x) 就相当于数学中的ln(x),x>0,求底数为e的对数,e = 2.718281828459;math.log10(x) 就相当于数学中的lg(x),x>0,求底数为10的对数。可以通过log(x[, base])来...

    详细内容

    log() 返回 x 的自然对数。math.log(x) 就相当于数学中的ln(x),x>0,求底数为e的对数,e = 2.718281828459;math.log10(x) 就相当于数学中的lg(x),x>0,求底数为10的对数。可以通过log(x[, base])来设置底数,如 log(x, 10) 表示以10为底的对数。

    语法

    以下是 log() 方法的语法:import math

    math.log(x[, base])

    注意:log()是不能直接访问的,需要导入 math 模块,通过静态对象调用该方法。

    参数

    x -- 数值表达式。base -- 可选,底数,默认为 e。

    相关推荐:《Python视频教程》

    返回值

    返回 x 的自然对数,x>0。

    实例

    以下展示了使用 log() 方法的实例:#!/usr/bin/python

    # -*- coding: UTF-8 -*-

    import math # 导入 math 模块

    print "math.log(100.12) : ", math.log(100.12)

    print "math.log(100.72) : ", math.log(100.72)

    print "math.log(119L) : ", math.log(119L)

    print "math.log(math.pi) : ", math.log(math.pi)# 设置底数

    print "math.log(10,2) : ", math.log(10,2)

    以上实例运行后输出结果为:math.log(100.12) : 4.60636946656

    math.log(100.72) : 4.61234438974

    math.log(119L) : 4.77912349311

    math.log(math.pi) : 1.14472988585

    math.log(10,2) : 3.32192809489

    展开全文
  • 小伙伴们还记不记得,在高考数学题后面的大题总会出现对数函数,需要我们画成对数函数图才能解答。之前小编向大家介绍对数log函数的表示方法...本文小编就以代码的形式向大家演示在python中绘制对数函数...
  • 实际上点对之间可能是没有绝对意义上的函数关系的,但是为了更好地量化表示和计算,我们往往期望于从原始的数据集中尽可能地挖掘出来可能的函数关系,今天我遇上了一个问题就是如何去拟合指数函数+对数函数这种组合...
  • python中的对数log函数表示及用法

    千次阅读 2021-04-27 05:30:00
    python中的对数log函数表示及用法在数学运算中,如果没有计算器,对于很大的数字相乘,我们花费...而在python中,也有计算对数的方法,那就是对数函数log函数。本文将向大家介绍log函数的表述语句、参数和返回值,...
  • python是用来导入模块的,在python模块库中有着大量的模块可供使用,要想使用这些文件需要需要用import语句将指定模块导入到当前程序中。所以使用函数,需要使用math模块。 [gyz@archlinux job]...
  • 把指数函数y=a^x的x看作因变量,y看作自变量,就得到了一个新的函数,这个新的函数就是对数函数,指数函数称为对数函数的直接函数。例1 绘制底为2的对数函数,观察图像的性质# 导入sympy库im...
  • 所以打算写一个含有十种函数的拟合模型,去看那种拟合的r2最高,将r2最高的函数函数作为最终拟合函数。 一、最后的成果 用n 组数据生产 n组数据 拟合十种回归,保留r2最大的画出期曲线和散点图,标注好函数公式...
  • Python对数正态分布函数,python,中,的

    千次阅读 2021-01-11 22:56:15
    你说I have a sample data, the logarithm of which ...使此数据适合使用scipy.stats.lognorm的对数正态分布,使用:s, loc, scale = stats.lognorm.fit(data, floc=0)假设mu和sigma是基本正态分布。得到这些值...
  • 我对编码比较陌生,最近我的研究教授要求我创建一个对数回归脚本,使函数适合实验数据。输入数据总是很小的值(对于x,y,&lt;10),并且每个实验包含的数据点不超过5个。在我已经设法用scipy的curve_fit函数编写...
  • 注意:此函数是无法直接访问的,所以我们需要导入math模块,然后需要用math的静态对象来调用这个函数。 参数 x — 这是一个数值表达式。 返回值 此方法返回x的自然对数,对于x>0。 例子 下面的例子显示了log()方法...
  • Numpy库1.1 求以e、2、10为底的对数函数 功能np.log(x) 以e为底的对数(自然对数)np.log10(x) 以10为底的对数np.log2(x) 以2为底的对数np.log1p(x) 等价于:np.log(x + 1)备注:np.expm1(x) ...
  • log()方法返回x的自然对数,对于x>0。 语法 以下是log()方法的语法: ...以上这篇基于python log取对数详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持软件开发网。
  • python log函数

    万次阅读 2018-01-10 12:57:53
    print 'np.log10([100,10000,10000]:',np.log10([100,10000,10000]) #以10为底的对数 print 'np.log([1,np.e,np.e**2]):',np.log([1,np.e,np.e**2]) #np.log(x) 默认底数为自然数e print 'np.log2([2,2**2,2**3]):',...
  • python对数坐标

    2022-02-05 15:52:02
    import numpy as np import matplotlib.pyplot as plt w=np.linspace(0,1000,1000) b=np.abs(1/(1+0.1j*w)) plt.subplot(221) plt.plot(w,b,linewidth=2,linestyle="-") plt.ylim(0,1) plt.subplot(222) ...
  • 主要绘制函数如下: – 一元一次函数 – 一元二次函数 – 指数函数 – 自然对数函数 – 正弦函数 一元一次函数 代码 import matplotlib.pyplot as plt import numpy as np x = np.arange(0, 10, 0.1) y = x * 2 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 40,422
精华内容 16,168
关键字:

python对数函数