Python中的numpy.exp

在Python中，numpy.exp是一个用于求解数组各元素指数函数的函数。

函数定义

numpy.exp(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])

参数说明

x：一个普通的浮点数或者一个包含浮点数组的列表，用于计算指数函数返回结果。

out：结果数组。

where：一个可以使函数进行条件赋值的布尔数组。如果where对应的位置为False，结果数组对应位置的值不会被计算。

casting：指定输入数组与输出数组之间允许的数据类型转换。默认值为'same_kind'。

order：指定数组数据的内存排列方式。默认值为'K'，即输入数组按照尽可能原地的方式进行计算。

dtype：输出数组的数据类型。如果没有指定，或是指定为None，那么输出数组的数据类型就是x数组的数据类型。

subok：确定输出数组类型是否严格与数组的父类型相同。默认值为True，表示输出数组可以是与父类型不同的派生类。

使用方式

使用numpy.exp，只需要将需要计算的数组作为参数传入即可。

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
result = np.exp(arr)
print(result)

输出结果为：

[  2.71828183   7.3890561   20.08553692  54.59815003 148.4131591 ]

应用实例

numpy.exp函数常被用于计算概率密度函数（Probability Density Function, PDF）和累积分布函数（Cumulative Distribution Function，CDF）。

假设我们要绘制一个包含从0到5的5个整数的基础离散均匀概率分布的概率密度函数。这个函数在0到5之间的范围内的值都为1/5。

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns

x = np.linspace(0, 5, 50)
pdf = np.exp(x * np.log(1/5))

sns.set()
plt.plot(x, pdf, label='PDF')
plt.title('Probability Density Function')
plt.xlabel('x')
plt.ylabel('p(x)')
plt.legend()
plt.show()

绘制结果如下图所示：

结论

numpy.exp是一个十分常用的函数，常被用于计算各种与指数相关的计算，例如概率密度函数、累积分布函数等等。掌握numpy.exp的基本用法对于科学计算以及机器学习均有极大好处，希望此篇文章能够帮助您更好的了解numpy.exp的基本用法。