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。
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。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dtype
为complex
(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 x1 和 x2 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])