Python cherchent résumé du nombre de façons

bibliothèques mathématiques dans les bibliothèques Python et Python ont l'évaluation de la fonction logarithmique.

import numpy as np
import math

1. Bibliothèque Numpy

A la recherche d'un nombre de 1,1 à e, 2,10 sous forme de base

fonction	fonction
np.log (x)	Logarithme en base e (logarithme naturel)
np.log10 (x)	Logarithme à la base 10
np.log2 (x)	logarithme binaire
np.log1p (x)	Est équivalent à: np.log (x + 1)

REMARQUE: np.expm1 (x) est équivalente à np.exp (x) - 1, est np.log1p (x) est l'opération inverse.

1.2 recherche logarithme d'un nombre arbitraire de fond

En Numpy à tout logarithme du nombre SOLED besoin d'utiliser la formule:
$\ Log_a b = \ frac {\ log_c b} {\ log_c a}$
Par exemple: logarithme au fond 3, 5
$\ Log_3 5 = \ frac {\ log_e 5} {\ log_e 3}$
Code écrit:

np.log(5)/np.log(3)

2. Math Library

2.1 Nombre de chercher à e, comme base 2,10

Et l'utilisation Numpy exactement de la même

fonction	fonction
Math.log (x)	Logarithme en base e (logarithme naturel)
math.log10 (x)	Logarithme à la base 10
math.log2 (x)	logarithme binaire
math.log1p (x)	Est équivalent à: Math.log (x + 1), pour lisser les données

REMARQUE: math.expm1 (x) est équivalente à Math.exp (x) - 1, est math.log1p (x) est l'opération inverse.

2.2 recherche logarithme d'un nombre arbitraire de fond

math.log(x, n)
其中n为底数

3. différence

Pourquoi une bibliothèque mathématique pour trouver plusieurs méthodes, mais aussi les fonctions intégrées dans la même bibliothèque Numpy?
raison:

• Dans la bibliothèque de mathématiques, seule la fonction d'entrée x est un numéro unique.

math.log10(100)
[out]: 2.0

Si l'entrée est une liste:

math.log10([10, 100])     # 会报错
TypeError: must be real number, not list

• Dans la bibliothèque Numpy, x entrée peut non seulement fonctionner comme un seul numéro, peut aussi être une liste, un tableau numpy.

np.log10([10, 100])
[out]:
array([1., 2.])

np.log10([[10, 100], [1000, 10000]])
[out]:
array([[1., 2.],
       [3., 4.]])

En conséquence tableau numpy. Cette fonction n'est pas nécessaire Numpy dans le cycle de traitement par lots peut être réalisé pour chaque élément.