【笔记】np.log 和 math.log: 以 e、2、10为底的区别

        这两个包均提供了基础的以2,e,10为底求对数的情况,在这三种情况下两者的使用方式是一致的。
        但是一般来讲,对于较复杂的log计算或者计算次数较多的时候,numpy计算速度的优势便体现了出来,所以要说明一下这两者在使用上的区别。

import math
import numpy as np
# 不写底数时默认以e为底
np.log(100)
math.log(100)
# 以2 e 10为底
print(np.log(100))
print(math.log(100))
print(np.log(np.e))
print(math.log(math.e))
print(np.log2(100))
print(math.log2(100))
print(np.log10(100))
print(math.log10(100))
# 任意底数
print(math.log(25, 5)) # 以5为底数
print(np.log(25)/ np.log(5)) #numpy在使用任意底数计算log的时候有点麻烦,需要log除法的公式转换一下
# 结果:
# 4.605170185988092
# 4.605170185988092
# 1.0
# 1.0
# 6.643856189774724
# 6.643856189774724
# 2.0
# 2.0
# 2.0
# 2.0


 

  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
np.random.normal和np.random.randn()函数都可以用来生成服从正态分布的随机样本,但它们有一些区别np.random.normal函数的语法为:np.random.normal(loc, scale, size),其中loc表示均值,scale表示标准差,size表示要生成的样本数目。该函数生成的样本符合指定均值和标准差的正态分布。 np.random.randn()函数用于生成服从标准正态分布(均值为0,标准差为1)的样本。该函数的语法为:np.random.randn(d0, d1, ..., dn),其中d0, d1, ..., dn表示生成样本的维度。生成的样本数目由这些维度决定。 总结来说,np.random.normal函数可以通过指定均值和标准差来生成符合正态分布的随机样本,而np.random.randn()函数生成的样本均值为0,标准差为1。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [『Python学习笔记np.random.rand()函数和np.random.randn()函数](https://blog.csdn.net/abc13526222160/article/details/86423754)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [np.random一系列(np.random.normal()、np.random.randint、np.random.randn、np.random.rand)](https://download.csdn.net/download/weixin_38733382/13745169)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值