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'>#

将第一个数组元素逐元素提升到第二个数组的幂。

x1 中的每个底数提升到 x2 中位置对应的幂。 x1x2 必须可广播到相同的形状。这与幂函数不同,因为整数、float16 和 float32 会提升到至少 float64 精度的浮点数,因此结果始终不精确。目的是该函数将为负幂返回可用结果,并且很少为正幂溢出。

负值提升到非整数幂将返回 nan。要获取复数结果,请将输入强制转换为复数,或指定 dtypecomplex(参见下面的示例)。

版本 1.12.0 中的新增功能。

参数:
x1array_like

底数。

x2array_like

指数。如果 x1.shape != x2.shape,它们必须可广播到一个共同的形状(这将成为输出的形状)。

outndarray、None 或 ndarray 和 None 的元组,可选

将结果存储到其中的位置。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。

wherearray_like,可选

此条件将广播到输入。在条件为 True 的位置,out 数组将被设置为 ufunc 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 创建未初始化的 out 数组,则其内部条件为 False 的位置将保持未初始化。

**kwargs**

有关其他仅关键字参数,请参见 ufunc 文档

返回:
yndarray

x1 中的底数提升到 x2 中的指数。如果 x1x2 都是标量,则它是一个标量。

另请参见

power

保留类型的幂函数

示例

>>> import numpy as np

将列表中的每个元素立方。

>>> 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.]])

负值提升到非整数幂将导致 nan(并将生成警告)。

>>> 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,请给出参数 dtype=complex

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