numpy.pow#
- numpy.pow(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature]) = <ufunc 'power'>#
第一个数组元素逐元素地乘以第二个数组中的幂。
将 x1 中的每个底数提高到 x2 中位置对应的幂。 x1 和 x2 必须广播到相同的形状。
整数类型提高到负整数幂将引发
ValueError
。负值提高到非整数幂将返回
nan
。要获得复数结果,请将输入强制转换为复数,或指定dtype
为complex
(参见下面的示例)。- 参数:
- x1array_like
底数。
- x2array_like
指数。如果
x1.shape != x2.shape
,则它们必须广播到一个共同的形状(该形状将成为输出的形状)。- outndarray, None 或 ndarray 和 None 的元组,可选
结果存储到的位置。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(仅可能作为关键字参数)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。- **kwargs**
有关其他仅关键字参数,请参见 ufunc 文档。
- 返回值:
- yndarray
x1 中的底数提高到 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
float_power
将整数提升为浮点数的幂函数
示例
>>> import numpy as np
将数组中的每个元素立方。
>>> x1 = np.arange(6) >>> x1 [0, 1, 2, 3, 4, 5] >>> np.power(x1, 3) array([ 0, 1, 8, 27, 64, 125])
将底数提高到不同的指数。
>>> 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]])
**
运算符可以用作 ndarray 上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])
负值提高到非整数幂将导致
nan
(并将生成警告)。>>> 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,请指定参数
dtype=complex
。>>> np.power(x3, 1.5, dtype=complex) array([-1.83697020e-16-1.j, -1.46957616e-15-8.j])