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'>#

第一个数组的元素提升为第二个数组中对应位置的幂，逐元素操作。

将 x1 中的每个基数提升为 x2 中位置对应的幂。 x1 和 x2 必须能够广播到相同的形状。这与 power 函数不同，因为它会将整数、float16 和 float32 提升为至少 float64 精度的浮点数，因此结果总是不精确的。其目的是使该函数能够为负幂返回可用结果，并且很少对正幂溢出。

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

参数:
x1类数组

基数。

x2类数组

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

outndarray、None，或由 ndarray 和 None 组成的元组，可选

存储结果的位置。如果提供，其形状必须与输入广播后的形状一致。如果未提供或为 None，则返回新分配的数组。元组（只能作为关键字参数）的长度必须等于输出的数量。

where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 的结果。在其他位置，out 数组将保留其原始值。请注意，如果通过默认的 out=None 创建了未初始化的 out 数组，则其中条件为 False 的位置将保持未初始化状态。

**kwargs

有关其他仅限关键字的参数，请参阅 ufunc 文档。

返回:
yndarray

将 x1 中的基数提升为 x2 中的指数。如果 x1 和 x2 都是标量，则结果为标量。

另请参阅

power

保留类型的 power 函数

示例

>>> import numpy as np

对列表中每个元素求立方。

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

将基数提升为不同的指数。

>>> 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.]])

负值提升为非整数值将导致 nan（并会生成警告）。

>>> 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])
本页内容