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'>#

第一个数组元素提升到第二个数组的幂，逐元素。

将 x1 中的每个基数提升到 x2 中位置对应的幂。 x1 和 x2 必须可广播到相同的形状。这与 power 函数不同之处在于，整数、float16 和 float32 被提升为浮点数，最小精度为 float64，因此结果始终是非精确的。目的是该函数将返回负数的有效结果，并且正数很少溢出。

负数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，或将 dtype 指定为 complex（请参阅下面的示例）。

参数:
x1array_like

底数。

x2array_like

指数。如果 x1.shape != x2.shape，它们必须能够广播到公共形状（该公共形状成为输出的形状）。

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

结果存储的位置。如果提供了，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（仅可能作为关键字参数）的长度必须等于输出的数量。

wherearray_like, optional

此条件将广播到输入。在条件为 True 的位置，out 数组将设置为 ufunc 结果。在其他地方，out 数组将保留其原始值。请注意，如果通过默认的 out=None 创建了一个未初始化的 out 数组，那么其中条件为 False 的位置将保持未初始化状态。

**kwargs

有关其他关键字参数，请参阅 ufunc 文档。

返回:
yndarray

x1 中的底数提升到 x2 中的指数。如果 x1 和 x2 都是标量，则此结果为标量。

另请参阅

power

保留类型的 power 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.]])

负数提升到非整数值将导致 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，请将参数 dtype=complex。

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