scipy.special.

logsumexp#

scipy.special.logsumexp(a, axis=None, b=None, keepdims=False, return_sign=False)[源代码][源代码]#

计算输入元素的指数和对数。

参数:

aarray_like: 输入数组。
轴None 或 int 或 int 的元组，可选: 求和的轴或轴。默认情况下，axis 为 None，并且所有元素都被求和。

Added in version 0.11.0.
b类似数组，可选: exp(a) 的缩放因子必须与 a 具有相同的形状，或者可以广播到 a。这些值可能是负的，以便实现减法。

Added in version 0.12.0.
keepdimsbool, 可选: 如果设置为 True，被缩减的轴将作为大小为一的维度保留在结果中。通过此选项，结果将正确地与原始数组进行广播。

Added in version 0.15.0.
return_signbool, 可选: 如果设置为 True，结果将是一个包含符号信息的元组；如果为 False，负数结果将返回为 NaN。默认是 False（无符号信息）。

Added in version 0.16.0.

返回:

resndarray: 结果 np.log(np.sum(np.exp(a))) 以数值上更稳定的方式计算。如果给出 b，则返回 np.log(np.sum(b*np.exp(a)))。如果 return_sign 为 True，res 包含参数绝对值的对数。
sgnndarray: 如果 return_sign 为 True，这将是一个与 res 匹配的浮点数数组，包含 +1, 0, -1（对于实值输入）或复数相位（对于复数输入）。这给出了 res 中对数参数的符号。如果 return_sign 为 False，则只返回一个结果。

参见

numpy.logaddexp, numpy.logaddexp2

注释

NumPy 有一个 logaddexp 函数，它与 logsumexp 非常相似，但只处理两个参数。logaddexp.reduce 与此函数类似，但可能稳定性较差。

示例

>>> import numpy as np
>>> from scipy.special import logsumexp
>>> a = np.arange(10)
>>> logsumexp(a)
9.4586297444267107
>>> np.log(np.sum(np.exp(a)))
9.4586297444267107

使用权重

>>> a = np.arange(10)
>>> b = np.arange(10, 0, -1)
>>> logsumexp(a, b=b)
9.9170178533034665
>>> np.log(np.sum(b*np.exp(a)))
9.9170178533034647

返回一个符号标志

>>> logsumexp([1,2],b=[1,-1],return_sign=True)
(1.5413248546129181, -1.0)

注意 logsumexp 不直接支持掩码数组。要在掩码数组上使用它，请将掩码转换为零权重：

>>> a = np.ma.array([np.log(2), 2, np.log(3)],
...                  mask=[False, True, False])
>>> b = (~a.mask).astype(int)
>>> logsumexp(a.data, b=b), np.log(5)
1.6094379124341005, 1.6094379124341005