numpy.power#

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

第一个数组的元素以第二个数组的元素为幂，逐元素计算。

将 x1 中的每个底数提升到 x2 中位置对应的幂。 x1 和 x2 必须能够广播到相同的形状。

整数类型提升到负整数幂将引发 ValueError。

负值提升到非整数值将返回 nan。要获得复数结果，请将输入转换为复数，或指定 dtype 为 complex（参见下面的示例）。

参数:
x1类数组

底数。

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

结果存储的位置。如果提供，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。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 中的底数提升到 x2 中的指数。如果 x1 和 x2 都是标量，则结果也是标量。

另请参阅

float_power

将整数提升为浮点的幂函数

示例

>>> 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]])

在 ndarray 上，** 运算符可以用作 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])

负值提升到非整数值将导致 nan（并会生成警告）。

>>> 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])
本页内容