Log functions trong Python - 05 phút để tìm hiểu

Python cung cấp nhiều hàm logarit có sẵn trong mô-đun “ math ” cho phép chúng ta tính toán nhật ký bằng một dòng duy nhất. Có 4 biến thể của hàm logarit, tất cả đều được thảo luận trong bài viết này.
1. log(a,(Base)) : Hàm này được sử dụng để tính logarit tự nhiên (Cơ số e) của a. Nếu 2 đối số được thông qua, nó sẽ tính logarit của cơ số mong muốn của đối số a, giá trị bằng số của log(a)/log(Base) .

Syntax :
math.log(a,Base)
Parameters : 
a : The numeric value
Base :  Base to which the logarithm has to be computed.
Return Value : 
Returns natural log if 1 argument is passed and log with
specified base if 2 arguments are passed.
Exceptions : 
Raises ValueError if a negative no. is passed as argument.

# Python code to demonstrate the working of
# log(a,Base)

import math

# Printing the log base e of 14
print ("Natural logarithm of 14 is : ", end="")
print (math.log(14))

Printing the log base 5 of 14
print ("Logarithm base 5 of 14 is : ", end="")
print (math.log(14,5))

Output : 

Natural logarithm of 14 is : 2.6390573296152584 Logarithm base 5 of 14 is : 1.6397385131955606

 log2(a): Hàm này được sử dụng để tính logarit cơ số 2 của a. Hiển thị kết quả chính xác hơn log(a,2).

Syntax :
math.log2(a)
Parameters : 
a : The numeric value
Return Value : 
Returns logarithm base 2 of a
Exceptions : 
Raises ValueError if a negative no. is passed as argument.

Output : 

Logarithm base 2 of 14 is : 3.807354922057604

3. log10(a) : This function is used to compute the logarithm base 10 of a. Displays more accurate result than log(a,10).

Syntax :
math.log10(a)
Parameters : 
a : The numeric value
Return Value : 
Returns logarithm base 10 of a
Exceptions : 
Raises ValueError if a negative no. is passed as argument.

Output : 

Logarithm base 10 of 14 is : 1.146128035678238

3. log1p(a) : Hàm này được sử dụng để tính logarit(1+a) . 

Syntax :
math.log1p(a)
Parameters : 
a : The numeric value
Return Value : 
Returns log(1+a)
Exceptions : 
Raises ValueError if a negative no. is passed as argument.

Output : 

Logarithm(1+a) value of 14 is : 2.70805020110221
>>>> Đọc thêm: Cách chuyển đổi JSON sang CSV bằng Python

1. ValueError: Hàm này trả về lỗi giá trị nếu số là âm . 

Output : 

log(a) value of -14 is : 

Runtime Error : 

Traceback (most recent call last):
  File "/home/8a74e9d7e5adfdb902ab15712cbaafe2.py", line 9, in 
    print (math.log(-14))
ValueError: math domain error

Một trong những ứng dụng của hàm log10() là nó được sử dụng để tính toán số. chữ số của một số . Mã dưới đây minh họa tương tự.

Output : 

The number of digits in 73293 are : 5

Logarit tự nhiên (log) là một hàm toán học quan trọng trong Python thường được sử dụng trong các ứng dụng máy tính, phân tích dữ liệu và máy tính khoa học. Dưới đây là một số ưu điểm, nhược điểm, điểm quan trọng và sách tham khảo liên quan đến hàm nhật ký trong Python:

Thuận lợi:

Hàm nhật ký rất hữu ích để chuyển đổi dữ liệu có dải giá trị rộng hoặc phân phối không chuẩn thành dạng phân phối chuẩn hơn, có thể cải thiện độ chính xác của các phân tích thống kê và mô hình học máy.
Hàm nhật ký được sử dụng rộng rãi trong tài chính và kinh tế để tính lãi kép, giá trị hiện tại và các chỉ số tài chính khác.
Chức năng nhật ký có thể được sử dụng để giảm tác động của các giá trị ngoại lệ đối với các phân tích thống kê bằng cách nén quy mô của dữ liệu.
Chức năng nhật ký có thể được sử dụng để trực quan hóa dữ liệu với phạm vi động lớn hoặc với các giá trị gần bằng không.

Nhược điểm:

Hàm nhật ký có thể tốn kém về mặt tính toán đối với các tập dữ liệu lớn, đặc biệt nếu hàm nhật ký được áp dụng nhiều lần.
Chức năng nhật ký có thể không phù hợp với tất cả các loại dữ liệu, chẳng hạn như dữ liệu phân loại hoặc dữ liệu có phạm vi giới hạn.

Điểm quan trọng:

1. Logarit tự nhiên (log) được tính bằng hàm numpy.log() trong Python.
2. Logarit với cơ số khác e có thể được tính bằng hàm numpy.log10() hoặc numpy.log2() trong Python.
3. Nghịch đảo của logarit tự nhiên là hàm mũ, có thể được tính bằng hàm numpy.exp() trong Python.
4. Khi sử dụng logarit để phân tích thống kê hoặc học máy, điều quan trọng cần nhớ là chuyển đổi dữ liệu trở lại tỷ lệ ban đầu sau khi phân tích.

Source: https://www.geeksforgeeks.org/