numpy.log2

numpy.log2(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature])=<ufunc 'log2'>

Двоичный логарифм от x.

Параметры:

xarray_like

Входные значения.

outndarray, None, или кортеж ndarray и None, необязательно

Местоположение, в которое будет сохраняться результат. Если задано, оно должно иметь форму, к которой векторизуются входные данные. Если не задано или равно None, возвращается только что выделенный массив. Кортеж (возможен только как ключевой аргумент) должен иметь длину, равную количеству выходов.

wherearray_like, необязательно

Это условие транслируется по входным данным. В местах, где условие истинно, массив out будет установлен в результат ufunc. В противном случае массив out сохранит своё первоначальное значение. Обратите внимание, что если массив out создан с помощью значения по умолчанию out=None, места в нём, где условие ложно, останутся неинициализированными.

**kwargs

Для других ключевых аргументов см. документацию ufunc.

Возвращает:

yndarray

Двоичный логарифм от x. Это скаляр, если x является скаляром.

См. также

log, log10, log1p, emath.log2

Примечания

Введено в версии 1.3.0.

Логарифм — многозначная функция: для каждого x существует бесконечное множество z таких, что 2**z = x. Принято возвращать z, мнимая часть которого лежит в (-pi, pi].

Для вещественных входных типов данных log2 всегда возвращает вещественный результат. Для каждого значения, которое не может быть выражено как вещественное число или бесконечность, он возвращает nan и устанавливает флаг ошибки с плавающей запятой invalid.

Для комплексных входных данных log2 — это комплексная аналитическая функция, у которой есть разрез ветвей [-inf, 0] и она непрерывна сверху на нём. log2 обрабатывает отрицательный ноль с плавающей точкой как бесконечно малое отрицательное число, в соответствии со стандартом C99.

В тех случаях, когда вход имеет отрицательную вещественную часть и очень малую отрицательную комплексную часть (стремящуюся к 0), результат настолько близок к -pi, что вычисляется как точно -pi.

Примеры

>>> x = np.array([0, 1, 2, 2**4])
>>> np.log2(x)
array([-inf,   0.,   1.,   4.])

>>> xi = np.array([0+1.j, 1, 2+0.j, 4.j])
>>> np.log2(xi)
array([ 0.+2.26618007j,  0.+0.j        ,  1.+0.j        ,  2.+2.26618007j])