Логарифмическое и натуральное логарифмическое значение столбца в Pandas - Python
Логарифмическое и натуральное логарифмическое значение столбца в пандах можно вычислить с помощью log (), log2 () и log10 () numpy функции соответственно. Перед применением функций нам нужно создать фрейм данных.
Code:
Python3
# Import required librariesimport pandas as pdimport numpy as np # Dictionarydata = { "Name": ["Geek1", "Geek2", "Geek3", "Geek4"], "Salary": [18000, 20000, 15000, 35000]} # Create a dataframedata = pd.DataFrame(data, columns = ["Name", "Salary"]) # Show the dataframedata |
Выход:

Логарифм по основанию 2 значения столбца в пандах:
После создания фрейма данных мы можем применить к столбцам функцию numpy.log2 (). В этом случае мы будем искать значения логарифма столбца зарплата. Вычисленные значения сохраняются в новом столбце «logarithm_base2».
Code:
Python3
# Calculate logarithm to base 2 # on "Salary" columndata["logarithm_base2"] = np.log2(data["Salary"]) # Show the dataframedata |
Выход :

Логарифм по основанию 10 значения столбца в пандах:
Чтобы найти логарифм по основанию 10, мы можем применить функцию numpy.log10 () к столбцам. В этом случае мы будем искать значения логарифма столбца зарплата. Вычисленные значения сохраняются в новом столбце «logarithm_base10».
Code:
Python3
# Calculate logarithm to # base 10 on "Salary" columndata["logarithm_base10"] = np.log10(data["Salary"]) # Show the dataframedata |
Выход :

Натуральное логарифмическое значение столбца в пандах:
Чтобы найти натуральные логарифмические значения, мы можем применить функцию numpy.log () к столбцам. В этом случае мы найдем значения натурального логарифма столбца зарплата. Вычисленные значения сохраняются в новом столбце «natural_log».
Code:
Python3
# Calculate natural logarithm on# "Salary" columndata["natural_log"] = np.log(data["Salary"]) # Show the dataframedata |
Выход :

Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.
Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.