scipy.special.

logsumexp#

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

计算输入元素的指数和的日志。

参数:

a类似数组: 输入数组。
axisNone 或 int 或 int 元组，可选项: 进行求和的轴或轴组。默认情况下，axis 为 None，并且对所有元素进行求和。

版本 0.11.0 中添加。
b类似数组，可选项: exp(a) 的缩放因子必须与 a 的形状相同或可广播到 a。为了实现减法，这些值可以为负值。

版本 0.12.0 中添加。
keepdims布尔值，可选项: 如果将其设为 True，则缩减的轴中保留在结果中作为大小为 1 的维度。使用此选项，结果将针对原始数组正确广播。

在 0.15.0 版中添加。
return_sign布尔值，可选: 如果将其设为 True，结果将是对数信息的元组；如果为 False，将结果负值返回为 NaN。默认值为 False（无符号信息）。

在 0.16.0 版中添加。

返回:

resndarray: 结果，np.log(np.sum(np.exp(a))) 以数值稳定的方式计算。如果给定 b，则返回 np.log(np.sum(b*np.exp(a)))。如果 return_sign 为 True，res 将包含自变量绝对值的 log。：
sgnndarray: 如果 return_sign 为 True，它将是与 res 相匹配的浮点数数组，其中包含 +1、0、-1（对于实值输入）或复相（对于复输入）。这给出 res 中对数自变量的符号。如果 return_sign 为 False，只会返回一个结果。

另请参见

numpy.logaddexp，numpy.logaddexp2

注意

NumPy 有一个 logaddexp 函数，它与 logsumexp 非常相似，但只处理两个自变量。 logaddexp.reduce 与此函数类似，但可能不那么稳定。

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

带权重

>>> 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

返回符号标记

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

请注意，logsumexp 并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