Hướng dẫn dùng python exponentials python
|
Hàm exp(x) trong Python trả về ex. Cú pháp của exp() trong Python: Ghi chú: Hàm này không có thể truy cập trực tiếp, vì thế chúng ta cần import math module và sau đó chúng ta cần gọi hàm này bởi sử dụng đối tượng math. Các tham số: x: Đây là một biểu thức số. Ví dụ sau minh họa cách sử dụng của hàm exp() trong Python. import math
print ("math.exp(-45) : ", math.exp(-45))
print ("math.exp(10.15) : ", math.exp(10.15))
print ("math.exp(100) : ", math.exp(100))
print ("math.exp(math.pi) : ", math.exp(math.pi))
Chạy chương trình Python trên sẽ cho kết quả: math.exp(-45) : 2.8625185805493937e-20 math.exp(10.15) : 25591.102206689702 math.exp(100) : 2.6881171418161356e+43 math.exp(math.pi) : 23.140692632779267 NumPy exp () Trong Python là một hàm toán học được sử dụng để tính toán các giá trị theo cấp số nhân của tất cả các phần tử có trong mảng đầu vào. Hàm này nhận bốn đối số là array, out, where, dtypevà trả về một mảng chứa tất cả các giá trị theo cấp số nhân của mảng đầu vào. Trong bài viết này, tôi sẽ giải thích cú pháp và cách sử dụng numpy. exp () trên mảng đơn và mảng nhiều chiều. Nội dung chính
1. Ví dụ nhanh về NumPy Hàm số mũNếu bạn đang vội, dưới đây là một số ví dụ nhanh về cách sử dụng NumPy hàm mũ. # Below are the quick examples # Example 1: Get the exponential Value of single element arr = np. exp (3) # Example 2: Get the exponential values of multiple elements of 1-d array arr = [2, 5, 8] arr2 = np. exp (arr) # Example 3: Get the exponential values of 2-D numpy array elements arr = np.array([[4, 6, 3, 7], [8, 5, 2, 9]]) arr2 = np. exp (arr) # Example 4: Use numpy.exp () function to graphical representation arr = [1, 1.4, 1.8, 2, 2.6, 3] out_array = np. exp (arr) arr2 = [1, 1.3, 1.6, 2.3, 2.8, 3] plt.plot(arr, arr2, color="green", marker = "*") # Yellow for numpy.exp () plt.plot(out_array, arr2, color="yellow", marker = "o") plt.title(" numpy.exp ()") plt.xlabel("X") plt.ylabel("Y") plt.show() 2. Cú pháp của numpy.exp ()Sau đây là cú pháp của numpy.exp () hàm số. #Syntax of numpy.exp () numpy.exp (arr, out = None, where = True, casting = ‘same_kind’, order = ‘K’, dtype = None) 2.1 Các thông số của numpy.exp ()
2.2 Giá trị hoàn trả của numpy.exp ()Hàm này trả về một mảng chứa tất cả các giá trị theo cấp số nhân của tất cả các phần tử của mảng đầu vào. 3. Sử dụng NumPy exp () để nhận được Giá trị theo cấp số nhânToán học này Python NumPy exp () được sử dụng để tính toán các giá trị theo cấp số nhân của tất cả các phần tử có trong mảng đầu vào. import numpy as np
# get the exponential Value of single element
arr = np. exp (3)
print(arr)
# Output
# 20.085536923187668
3.2 Nhận các giá trị theo cấp số nhân của nhiều phần tử của Mảng 1-DĐể tính toán các giá trị theo cấp số nhân của các phần tử mảng số nguyên bằng cách sử dụng numpy.exp () . Ví dụ, # Create an 1D input array
arr = [2, 5, 8]
# Get the exponential values of multiple elements of 1-d array
arr2 = np. exp (arr)
print (arr2)
# Output
# [ 7.3890561 148.4131591 2980.95798704]
4. Nhận các giá trị theo cấp số nhân của 2-D NumPy Phần tử mảngHãy sử dụng mảng 2 chiều và nhận các giá trị theo cấp số nhân cho tất cả các phần tử trong mảng. Hãy tạo 2-D NumPy sử dụng mảng numpy.array () . # creating an 2D input array
arr = np.array([[4, 6, 3, 7], [8, 5, 2, 9]])
# get the exponential values of 2-D numpy array elements
arr2 = np. exp (arr)
print(arr2)
# Output
# [[5.45981500e+01 4.03428793e+02 2.00855369e+01 1.09663316e+03]
# [2.98095799e+03 1.48413159e+02 7.38905610e+00 8.10308393e+03]]
5. Sử dụng numpy.exp () Chức năng để biểu diễn đồ họaChúng ta có thể sử dụng NumPy exp () và biểu diễn giá trị bằng đồ thị bằng cách sử dụng MatLab thư viện. import numpy as np import matplotlib.pyplot as plt # Use numpy.exp () function to graphical representation arr = [1, 1.4, 1.8, 2, 2.6, 3] out_array = np. exp (arr) arr2 = [1, 1.3, 1.6, 2.3, 2.8, 3] plt.plot(arr, arr2, color="green", marker = "*") # yellow for numpy.exp () plt.plot(out_array, arr2, color="yellow", marker = "o") plt.title(" numpy.exp ()") plt.xlabel("X") plt.ylabel("Y") plt.show() Sản lượng thấp hơn sản lượng. Bạn có thể thấy Parabolic đồ thị của exp () chức năng trong Khó chịu. 6. Kết luậnTrong bài viết này, tôi đã giải thích cách sử dụng Python numpy. exp () và cách tính giá trị theo cấp số nhân của mọi phần tử trong mảng đã cho với các ví dụ bằng cách sử dụng mảng 1-D và 2-D. Học vui vẻ !! Trên đây là tất cả thông tin chi tiết nhất về Cách sử dụng hàm mũ NumPy trong các bước đơn giản. Hướng dẫn này có trả lời câu hỏi của bạn không? Để cho signalfix.net biết trong các ý kiến dưới đây. |
