numpy.power

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

第一个数组的元素按元素方式提升为第二个数组的幂.

将 x1 中的每个底数提升到 x2 中位置对应的幂. x1 和 x2 必须可广播到相同的形状.

整数类型提升为负整数幂将引发 ValueError .

提升为非整数值的负值将返回 nan . 要获得复数结果,请将输入转换为复数,或将 dtype 指定为 complex (请参见下面的示例).

参数:

x1array_like

底数.

x2array_like

指数. 如果 x1.shape != x2.shape ,则它们必须可广播到公共形状(这将成为输出的形状).

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

存储结果的位置.如果提供,则它必须具有输入广播到的形状.如果未提供或为None,则返回一个新分配的数组.一个元组(可能仅作为关键字参数)的长度必须等于输出的数量.

其中类数组,可选

此条件会在输入上进行广播.在条件为True的位置, out 数组将被设置为ufunc结果.否则, out 数组将保留其原始值.请注意,如果通过默认的 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,请参见 ufunc docs .

返回:

yndarray

x1 中的底数提升为 x2 中的指数. 如果 x1 和 x2 都是标量,则这是一个标量.

参见

float_power

将整数提升为浮点数的幂函数

示例

Try it in your browser!

>>> import numpy as np

计算数组中每个元素的立方.

>>> x1 = np.arange(6)
>>> x1
[0, 1, 2, 3, 4, 5]
>>> np.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.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.power(x1, x2)
array([[ 0,  1,  8, 27, 16,  5],
       [ 0,  1,  8, 27, 16,  5]])

** 运算符可以用作 ndarrays 上 np.power 的简写.

>>> x2 = np.array([1, 2, 3, 3, 2, 1])
>>> x1 = np.arange(6)
>>> x1 ** x2
array([ 0,  1,  8, 27, 16,  5])

负值提高到非整数值将导致 nan (并且会生成警告).

>>> x3 = np.array([-1.0, -4.0])
>>> with np.errstate(invalid='ignore'):
...     p = np.power(x3, 1.5)
...
>>> p
array([nan, nan])

要获得复数结果,请提供参数 dtype=complex .

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

Go BackOpen In Tab