numpy.float_power#

numpy.float_power(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature]) = <ufunc 'float_power'>#

第一个数组的元素是第二个数组的幂次方,按元素方式计算.

将 x1 中的每个底数提升到 x2 中位置对应的幂. x1 和 x2 必须可以广播到相同的形状. 这与 power 函数不同,因为整数,float16 和 float32 会提升为最小精度为 float64 的浮点数,因此结果始终是不精确的. 其目的是使该函数为负幂返回可用的结果,并且很少为正幂溢出.

负数取非整数次幂会返回 nan .要获得复数结果,请将输入转换为复数,或者指定 dtype 为 complex (参见下面的例子).

参数:
x1array_like

底数.

x2array_like

指数.如果 x1.shape != x2.shape ,它们必须能广播到共同的形状(这将成为输出的形状).

outndarray, None, or tuple of ndarray and None, optional

结果存储到的位置.如果提供,它必须具有输入的广播到的形状. 如果未提供或为 None,则返回一个新分配的数组.一个元组(可能只能作为关键字参数)必须具有等于输出数量的长度.

wherearray_like, optional

此条件在输入上进行广播.在条件为 True 的位置, out 数组将设置为 ufunc 结果.否则, out 数组将保留其原始值.请注意,如果通过默认值 out=None 创建一个未初始化的 out 数组,则其中条件为 False 的位置将保持未初始化.

\kwargs

对于其他仅限关键字的参数,请参阅 ufunc docs .

返回:
yndarray

x1 中的底数以 x2 中的指数为幂.如果 x1 和 x2 都是标量,则这是一个标量.

参见

power

保留类型的幂函数

示例

>>> import numpy as np

计算列表中每个元素的立方.

>>> x1 = range(6)
>>> x1
[0, 1, 2, 3, 4, 5]
>>> np.float_power(x1, 3)
array([   0.,    1.,    8.,   27.,   64.,  125.])

将底数提升到不同的指数.

>>> x2 = [1.0, 2.0, 3.0, 3.0, 2.0, 1.0]
>>> np.float_power(x1, x2)
array([  0.,   1.,   8.,  27.,  16.,   5.])

广播的效果.

>>> x2 = np.array([[1, 2, 3, 3, 2, 1], [1, 2, 3, 3, 2, 1]])
>>> x2
array([[1, 2, 3, 3, 2, 1],
       [1, 2, 3, 3, 2, 1]])
>>> np.float_power(x1, x2)
array([[  0.,   1.,   8.,  27.,  16.,   5.],
       [  0.,   1.,   8.,  27.,  16.,   5.]])

负值取非整数次幂会导致 nan (并且会生成警告).

>>> x3 = np.array([-1, -4])
>>> with np.errstate(invalid='ignore'):
...     p = np.float_power(x3, 1.5)
...
>>> p
array([nan, nan])

要获得复数结果,请提供参数 dtype=complex .

>>> np.float_power(x3, 1.5, dtype=complex)
array([-1.83697020e-16-1.j, -1.46957616e-15-8.j])
当前页面