如何在python中获取函数的ln?
我使用polyfit查找数据集的拟合曲线,但现在我需要找到拟合曲线函数的自然日志并绘制它。以下是我目前掌握的情况:如何在python中获取函数的ln?,python,numpy,Python,Numpy,我使用polyfit查找数据集的拟合曲线,但现在我需要找到拟合曲线函数的自然日志并绘制它。以下是我目前掌握的情况: #Fit line for PD deg = 10 zn = np.polyfit(l_bins, l_hits, deg) l_pn = np.poly1d(zn) pylab.plot(l_bins, l_pn(l_bins), '-g') ln_list = [] for all in l_bins: ln_list.append(np.log(l_pn(all)))
#Fit line for PD
deg = 10
zn = np.polyfit(l_bins, l_hits, deg)
l_pn = np.poly1d(zn)
pylab.plot(l_bins, l_pn(l_bins), '-g')
ln_list = []
for all in l_bins:
ln_list.append(np.log(l_pn(all)))
pylab.plot(l_bins, ln_list, '-b')
有更好或更正确的方法吗?编辑
我建议使用numpy.log
,如下所示。因为您已经在使用numpy数组,所以这肯定比使用map
或列表理解更好
原始答案
如果有z值的
列表
,可以使用映射
对每个值执行一些功能,在本例中是日志
(即ln
)
您可以使用任何函数,因此如果愿意,您可以使用numpy.log
。Edit我建议使用
numpy.log
,如下所示。因为您已经在使用numpy数组,所以这肯定比使用map
或列表理解更好
原始答案
如果有z值的
列表
,可以使用映射
对每个值执行一些功能,在本例中是日志
(即ln
)
您可以使用任何函数,因此如果愿意,您可以使用numpy.log
。Edit我建议使用
numpy.log
,如下所示。因为您已经在使用numpy数组,所以这肯定比使用map
或列表理解更好
原始答案
如果有z值的
列表
,可以使用映射
对每个值执行一些功能,在本例中是日志
(即ln
)
您可以使用任何函数,因此如果愿意,您可以使用numpy.log
。Edit我建议使用
numpy.log
,如下所示。因为您已经在使用numpy数组,所以这肯定比使用map
或列表理解更好
原始答案
如果有z值的
列表
,可以使用映射
对每个值执行一些功能,在本例中是日志
(即ln
)
您可以使用任何函数,因此如果愿意,您可以使用
numpy.log
。似乎您只需要原始提供的存储箱的值。在这种情况下,这会更简单,速度也会更快
ln_list = np.log(l_pn(l_bins))
请记住,
numpy
函数通常会将自己的元素应用于数组,如果这样做有意义的话。您似乎只需要原始提供的存储箱的值。在这种情况下,这会更简单,速度也会更快
ln_list = np.log(l_pn(l_bins))
请记住,
numpy
函数通常会将自己的元素应用于数组,如果这样做有意义的话。您似乎只需要原始提供的存储箱的值。在这种情况下,这会更简单,速度也会更快
ln_list = np.log(l_pn(l_bins))
请记住,
numpy
函数通常会将自己的元素应用于数组,如果这样做有意义的话。您似乎只需要原始提供的存储箱的值。在这种情况下,这会更简单,速度也会更快
ln_list = np.log(l_pn(l_bins))
请记住,numpy
函数通常会将自己的元素应用于数组,如果这样做有意义的话。log(x)是基于10的,而ln(x)是基于自然对数的
import math
x = 8
print math.log(x, math.e)
log(x)是基于10的,而ln(x)是基于自然对数的
import math
x = 8
print math.log(x, math.e)
log(x)是基于10的,而ln(x)是基于自然对数的
import math
x = 8
print math.log(x, math.e)
log(x)是基于10的,而ln(x)是基于自然对数的
import math
x = 8
print math.log(x, math.e)
无需使用map,
np.log
使用数字数组进行元素日志记录,速度会快得多。无需使用map,np.log
使用数字数组进行元素日志记录,速度会快得多。无需使用map,np.log
使用数字数组创建元素日志,速度更快。无需使用map,np.log
使用数字数组创建元素日志,速度更快。