Python中log函数属math模块或numpy库，用于计算自然对数、常用对数及任意底数对数；math.log适用于单值，math.log10/log2更高效明确，numpy.log系列支持数组批量运算，需注意参数正性及导入要求。
Python 中没有直接叫 log 的独立函数，它属于 math 模块或 numpy 库，用途是计算对数。最常用的是自然对数（以 e 为底）和以 10 为底的常用对数，也可以指定任意底数。
math.log：基础对数计算（推荐用于单个数值）
导入 math 后，用 math.log(x) 计算自然对数（ln x），math.log(x, base) 可指定底数。
-
math.log(10)→ 约 2.3026（ln 10） -
math.log(100, 10)→ 2.0（log₁₀100） -
math.log(8, 2)→ 3.0（log₂8）
⚠️ 注意：x 必须 > 0，否则抛出 ValueError；底数必须 > 0 且 ≠ 1。
math.log10 和 math.log2：更高效、更明确的写法
这两个是专用函数，比 math.log(x, 10) 或 math.log(x, 2) 更快、更可读，也避免传错底数。
立即学习“Python免费学习笔记（深入）”；
-
math.log10(1000)→ 3.0 -
math.log2(16)→ 4.0
它们同样要求参数 > 0。
numpy.log 系列：批量处理数组
如果要对列表、NumPy 数组批量计算对数，用 numpy 更合适：
-
np.log([1, np.e, np.e**2])→[0., 1., 2.]（自然对数） -
np.log10([1, 10, 100])→[0., 1., 2.] -
np.log2([1, 2, 4, 8])→[0., 1., 2., 3.]
⚠️ 注意：输入含 ≤ 0 时，对应结果为 nan 或 -inf，不会报错（但会警告）。如需安全处理，可先用 np.where 过滤。
常见错误和避坑提醒
新手容易踩的几个点：
- 忘记
import math或import numpy as np，直接写log(10)会报NameError - 误以为
math.log(100, 10)是“10 的 log”，其实它是“log₁₀100”，顺序是log(真数, 底数) - 对负数或零调用，
math版本直接崩溃，numpy版本返回nan，需提前校验 - 想算常用对数却写了
math.log(100)（这是 ln100 ≈ 4.605），应改用math.log10(100)
基本上就这些。选 math 还是 numpy，看你是算一个数还是算一串数——不复杂，但细节容易忽略。
