你如何在 Python 中使用 numpy 处理自然日志（例如“ln()”）？答案

【问题标题】：How do you do natural logs (e.g. "ln()") with numpy in Python?你如何在 Python 中使用 numpy 处理自然日志（例如“ln()”）？
【发布时间】：2012-05-22 12:20:18
【问题描述】：

使用 numpy，我该怎么做：

ln(x)

是否等同于：

np.log(x)

对于这样一个看似微不足道的问题，我深表歉意，但我对log 和ln 之间区别的理解是ln 是logspace e？

【问题讨论】：

标签： python numpy logarithm natural-logarithm

【解决方案1】：

正确，np.log(x) 是 x 的自然对数（基础 e 对数）。

对于其他基，请记住对数定律：log-b(x) = log-k(x) / log-k(b) 其中log-b 是某个任意基b 中的日志，log-k 是基k 中的日志，例如

这里 k = e

l = np.log(x) / np.log(100)

而l 是 x 的 log-base-100

【讨论】：

精度损失怎么办？

【解决方案2】：

np.log 是 ln，而 np.log10 是您的标准以 10 为底的对数。

【讨论】：

对于那些想知道 np 是什么的人，比如我自己 "import numpy as np"

【解决方案3】：

from numpy.lib.scimath import logn
from math import e

#using: x - var
logn(e, x)

【讨论】：

【解决方案4】：

我通常是这样的：

from numpy import log as ln

也许这会让你更舒服。

【讨论】：

【解决方案5】：

你可以简单地做相反的事情，将 log 的 base 设置为 e。

import math

e = 2.718281

math.log(e, 10) = 2.302585093
ln(10) = 2.30258093

【讨论】：

注意 math.e 存在，math.log 以第二为基数。所以math.log(10, math.e) 是正确的，而上面实际上会返回〜0.43 ...

【解决方案6】：

Numpy 似乎从 MATLAB/Octave 中得到启发，并使用 log 作为“log base e”或 ln。与 MATLAB/Octave 一样，Numpy 不提供任意底数的对数函数。

如果您发现 log 令人困惑，您可以创建自己的对象 ln 引用 numpy.log 函数：

>>> import numpy as np
>>> from math import e
>>> ln = np.log  # assign the numpy log function to a new function called ln
>>> ln(e)
1.0

【讨论】：