lg函数的python lg函数的定义域和值域

PYTHON实现对CSV文件多维不同单位数据的归一化处理

1）线性归一化

这种归一化比较适用在数值比较集中的情况，缺陷就是如果max和min不稳定，很容易使得归一化结果不稳定，使得后续的效果不稳定，实际使用中可以用经验常量来代替max和min。

2）标准差标准化

经过处理的数据符合标准正态分布，即均值为0，标准差为1。

3）非线性归一化

经常用在数据分化较大的场景，有些数值大，有些很小。通过一些数学函数，将原始值进行映射。该方法包括log、指数、反正切等。需要根据数据分布的情况，决定非线性函数的曲线。

log函数：x = lg(x)/lg(max)

反正切函数：x = atan(x)*2/pi

Python实现

线性归一化

定义数组：x = numpy.array(x)

获取二维数组列方向的最大值：x.max(axis = 0)

获取二维数组列方向的最小值：x.min(axis = 0)

对二维数组进行线性归一化：

def max_min_normalization(data_value, data_col_max_values, data_col_min_values):

""" Data normalization using max value and min value

Args:

data_value: The data to be normalized

data_col_max_values: The maximum value of data's columns

data_col_min_values: The minimum value of data's columns

"""

data_shape = data_value.shape

data_rows = data_shape[0]

data_cols = data_shape[1]

for i in xrange(0, data_rows, 1):

for j in xrange(0, data_cols, 1):

data_value[i][j] = \

(data_value[i][j] - data_col_min_values[j]) / \

(data_col_max_values[j] - data_col_min_values[j])

标准差归一化

定义数组：x = numpy.array(x)

获取二维数组列方向的均值：x.mean(axis = 0)

获取二维数组列方向的标准差：x.std(axis = 0)

对二维数组进行标准差归一化：

def standard_deviation_normalization(data_value, data_col_means,

data_col_standard_deviation):

""" Data normalization using standard deviation

Args:

data_value: The data to be normalized

data_col_means: The means of data's columns

data_col_standard_deviation: The variance of data's columns

"""

data_shape = data_value.shape

data_rows = data_shape[0]

data_cols = data_shape[1]

for i in xrange(0, data_rows, 1):

for j in xrange(0, data_cols, 1):

data_value[i][j] = \

(data_value[i][j] - data_col_means[j]) / \

data_col_standard_deviation[j]

非线性归一化（以lg为例）

定义数组：x = numpy.array(x)

获取二维数组列方向的最大值：x.max(axis=0)

获取二维数组每个元素的lg值：numpy.log10(x)

获取二维数组列方向的最大值的lg值：numpy.log10(x.max(axis=0))

对二维数组使用lg进行非线性归一化：

def nonlinearity_normalization_lg(data_value_after_lg,

data_col_max_values_after_lg):

""" Data normalization using lg

Args:

data_value_after_lg: The data to be normalized

data_col_max_values_after_lg: The maximum value of data's columns

"""

data_shape = data_value_after_lg.shape

data_rows = data_shape[0]

data_cols = data_shape[1]

for i in xrange(0, data_rows, 1):

for j in xrange(0, data_cols, 1):

data_value_after_lg[i][j] = \

data_value_after_lg[i][j] / data_col_max_values_after_lg[j]

相关问答

Q1: lg是什么函数

对数函数。

lg以10为底的对数。

一般地，对数函数以幂（真数）为自变量，指数为因变量，底数为常量的函数。

对数函数是6类基本初等函数之一。其中对数的定义：

如果ax =N（a0，且a≠1），那么数x叫做以a为底N的对数，记作x=logaN，读作以a为底N的对数，其中a叫做对数的底数，N叫做真数。

一般地，函数y=logaX（a0，且a≠1）叫做对数函数，也就是说以幂（真数）为自变量，指数为因变量，底数为常量的函数，叫对数函数。

其中x是自变量，函数的定义域是（0，+∞），即x0。它实际上就是指数函数的反函数，可表示为x=ay。因此指数函数里对于a的规定，同样适用于对数函数。

扩展资料：

对数函数y=logax 的定义域是{x 丨x0}，但如果遇到对数型复合函数的定义域的求解，除了要注意大于0以外，还应注意底数大于0且不等于1，如求函数y=logx（2x-1）的定义域，需同时满足x0且x≠1

和2x-10 ，得到x1/2且x≠1，即其定义域为 {x 丨x1/2且x≠1}

值域：实数集R，显然对数函数无界；

定点：对数函数的函数图像恒过定点（1，0）；

单调性：a1时，在定义域上为单调增函数；

0a1时，在定义域上为单调减函数；

奇偶性：非奇非偶函数

周期性：不是周期函数

对称性：无

最值：无

零点：x=1

注意：负数和0没有对数。

两句经典话：底真同对数正，底真异对数负。解释如下：

也就是说：若y=logab （其中a0，a≠1，b0）

当0a1， 0b1时，y=logab0;

当a1， b1时，y=logab0;

当0a1， b1时，y=logab0;

当a1， 0b1时，y=logab0。

参考资料：百度百科--对数函数

Q2: python 怎么用log函数

import sys

funcName = sys._getframe().f_back.f_code.co_name #获取调用函数名

lineNumber = sys._getframe().f_back.f_lineno #获取行号

print sys._getframe().f_code.co_name # 获取当前函数名

Q3: lg是什么函数，怎样运算，如何做这种函数？请详细解答一下。

lg是以10为底的对数。

lg即为log10

对数函数lglg函数的python，是以10为底的对数（常用对数）lg函数的python，如lg 10=1。

若 10^y=x 则y是x的常用对数lg函数的python：y=lg x

函数y=lg x(x0)

值域 R

零点 x = 1

在(0,+∞)中单调递增

导数 d/dx(lg x) = 1/(x ln10)

不定积分 ∫ lg x dx = (x lnx-x)/(ln10)+c

当x0 y=lg (-x)+iπ

lim lg x = -∞ （x→0）

扩展资料

运算法则公式如下：

1、lnx+ lny=lnxy

2、lnx-lny=ln(x/y)

3、lnxⁿ=nlnx

4、ln(ⁿ√x)=lnx/n

5、lne=1

6、ln1=0

在数学中，对数是对求幂的逆运算，正如除法是乘法的倒数，反之亦然。 这意味着一个数字的对数是必须产生另一个固定数字（基数）的指数。 在简单的情况下，乘数中的对数计数因子。

Q4: python中log_inner啥意思

python中log_inner是log表示以e为底数的对数函数符号。

在数学运算中，如果没有计算器，对于很大的数字相乘，我们花费大量的时间计算，而且一旦出错，就要重新计算，很是麻烦。其实对于数字相乘，不依靠靠计算器，想要准确简单的运算的方法不是没有，那就是对数和指数，他们解决了大数或非常的小的数相乘的繁琐计算。而在python中，也有计算对数的方法，那就是对数函数log函数。本文将向大家介绍log函数的表述语句、参数和返回值，并以实例演示用log函数计算对数的过程。log()函数：返回 x 的自然对数。即返回以 2 为基数的 x 的对数。

Python由荷兰数学和计算机科学研究学会的吉多·范罗苏姆 于1990 年代初设计，作为一门叫做ABC语言的替代品。Python提供了高效的高级数据结构，还能简单有效地面向对象编程。Python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言，随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。Python解释器易于扩展，可以使用C语言或C++（或者其他可以通过C调用的语言）扩展新的功能和数据类型。Python 也可用于可定制化软件中的扩展程序语言。Python丰富的标准库，提供了适用于各个主要系统平台的源码或机器码。

Q5: lg定义域范围是多少？

lg函数lg函数的python的定义域（-∞lg函数的python，1）。

对数函数lglg函数的python，是以10为底的对数（常用对数）lg函数的python，如lg 10=1。lg即为log10。若10^y=x则y是x的常用对数lg函数的python：y=lg x。函数y=lg x(x0)、值域为R、零点x = 1。在（0,+∞）中单调递增，导数d/dx(lg x) = 1/(x ln10)则不定积分∫lg x dx = (x lnx-x)/(ln10)+c。

对数函数的运算性质

一般地，如果a（a0，且a≠1）的b次幂等于N，那么数b叫做以a为底N的对数，记作logaN=b，其中a叫做对数的底数，N叫做真数。

底数则要0且≠1 真数0

并且，在比较两个函数值时：

如果底数一样，真数越大，函数值越大。（a1时）

如果底数一样，真数越小，函数值越大。（0a1时）

lg函数的python的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于lg函数的定义域和值域、lg函数的python的信息别忘了在本站进行查找喔。