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'>#

逐元素计算第一个数组元素的第二个数组元素次幂。

将x1中的每个底数提升到x2中位置对应的幂次。 x1和x2必须能够广播到相同的形状。这与幂函数的不同之处在于，整数、float16 和 float32 会提升为浮点数，最小精度为 float64，因此结果总是近似值。目的是该函数将为负幂返回可用结果，并且对于正幂很少溢出。

负值提升到非整数幂将返回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：
x1array_like

底数。

x2array_like

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

outndarray、None 或 ndarray 和 None 的元组，可选

存储结果的位置。如果提供，则其形状必须是输入可以广播到的形状。如果没有提供或为 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

此条件在输入上广播。在条件为 True 的位置，out 数组将设置为 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，则这是一个标量。

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，请为参数提供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