Python中exp函数用于计算eˣ，需导入math或numpy模块；math.exp()适用于单个数值，如math.exp(1)≈2.718；numpy.exp()可处理数组，如np.exp([0,1,2])返回[1.,2.718,7.389]，常用于sigmoid、softmax等模型计算。
Python中的exp函数用于计算数学常数 e（自然对数的底，约等于2.71828）的幂。也就是说，exp(x) 等价于 eˣ。这个函数在科学计算、统计分析和机器学习中非常常见。
如何使用 exp 函数
exp 函数不是 Python 内置函数，它来自 math 模块 或 numpy 库。根据你的使用场景，可以选择不同的导入方式。
1. 使用 math.exp()
适用于单个数值的计算。
示例：
import math
result = math.exp(1) # 计算 e^1 ≈ 2.718
print(result)
注意：math.exp() 只能处理单个数字，不能直接用于列表或数组。
2. 使用 numpy.exp()
适用于数组、列表或批量数据的计算，是更常用的方式，特别是在数据分析中。
示例：
import numpy as np
arr = [0, 
1, 2]
result = np.exp(arr) # 返回每个元素的 e^x
print(result) # 输出: [1. 2.71828183 7.3890561]
numpy 的 exp 支持标量、列表、元组、多维数组等，非常灵活。
常见用途和注意事项
exp 函数常用于以下场景：
- 实现 sigmoid 函数：1 / (1 + exp(-x))
- 概率计算，如 softmax 函数
- 增长模型、衰减模型的数学建模
注意事项：
- 输入值过大可能导致溢出（返回 inf），尤其是在使用 float32 或 float64 时
- 确保已安装并正确导入 numpy（如未安装可用 pip install numpy）
- math.exp 不支持复数，而 numpy.exp 支持复数运算
基本上就这些。根据你处理的是单个数值还是数组，选择 math 或 numpy 中的 exp 即可。
