### NumPy `log2` 函数的用法 NumPy 提供了一个名为 `log2` 的函数，用于计算输入数组中每个元素以 2 为底的对数。该函数返回一个新的数组，其中包含了原始数组对应位置上的对数值[^4]。 以下是关于如何使用 `numpy.log2` 的详细介绍： #### 基本语法 ```python import numpy as np np.log2(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) ``` - **参数说明** - `x`: 输入数组或标量值。 - `/`: 表示此后的参数仅能通过位置传递（Python 3.8 及以上版本支持）。 - `out`: 输出数组的位置，默认为 None。 - `where`: 条件布尔掩码，指定哪些位置执行操作。 - 其他可选关键字参数详见官方文档。 #### 示例代码 下面是一些具体的例子来展示其功能： ```python import numpy as np # 单个标量值的例子 scalar_value = 8 result_scalar = np.log2(scalar_value) print(f"log2({scalar_value}) = {result_scalar}") # 结果应为 3.0 # 数组作为输入的例子 array_values = np.array([1, 2, 4, 8, 16]) result_array = np.log2(array_values) print(f"log2 of array {array_values} is {result_array}") ``` 运行上述代码会得到如下输出： ``` log2(8) = 3.0 log2 of array [ 1 2 4 8 16] is [0. 1. 2. 3. 4.] ``` #### 特殊情况处理 对于负数或者零的情况，由于数学定义域的原因，会产生警告并返回 NaN 或者 `-inf`: ```python negative_and_zero = np.array([-1, 0, 2]) special_cases_result = np.log2(negative_and_zero) print(f"Special cases result: {special_cases_result}") ``` 这将打印出类似于以下的结果，并伴随相应的 RuntimeWarning 警告信息： ``` RuntimeWarning: divide by zero encountered in log2 RuntimeWarning: invalid value encountered in log2 Special cases result: [ nan -inf 1. ] ``` #### 性能优化提示 当处理大规模数据集时，可以利用矢量化运算的优势提高效率，而不是逐一遍历列表进行手动计算[^5]。 ---