Python NumPy logaddexp方法用法及代码示例

Numpy 的 logaddexp(~) 方法计算 log(exp(x1)+exp(x2)) ，其中 x1 和 x2 是输入数组。这个表达式很有用，因为它经常出现在统计数据中。

1. x1 | array-like

第一个输入数组。

2. x1 | array-like

第二个输入数组。

3. out | Numpy array | optional

您可以将计算结果放入 out 指定的数组中，而不是创建新数组。

4. where | boolean 的array | optional

标记为 False 的值将被忽略，即它们的原始值将未被初始化。如果指定了 out 参数，行为会略有不同 - 原始值将保持不变。由于这让许多人感到困惑，请查看下面的示例。

包含 log(p+1) 结果的 Numpy 数组，其中 p 是输入数组中的每个值。

np.logaddexp([1,2],[3,4])



array([3.12692801, 4.12692801])

a = np.zeros(2)
np.logaddexp([1,2], [3,4], out=a)
a



array([3.12692801, 4.12692801])

在这里，我们将结果输出到数组 a 中。

np.logaddexp([1,2,3], [4,5,6], where=[False, True, False])



array([20.00000011,  5.04858735,  6.04858735])

这里，仅使用第二个数字进行计算，因为它在掩码中具有相应的布尔值True。您应该注意到 False 的值如何产生奇怪的结果 - 事实上，您应该忽略它们，因为它们是没有实际用途的未初始化数字。

现在，如果您指定了 out 参数，而不是未初始化的值，则原始值将保持不变：

a = np.zeros(3)
np.logaddexp([1,2,3], [4,5,6], out=a, where=[False, True, False])
a



array([0.        , 5.04858735, 0.        ])

相关用法

注：本文由纯净天空筛选整理自Isshin Inada大神的英文原创作品 NumPy | logaddexp method。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。