numpy.power#

numpy.power(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature]) = <ufunc 'power'>#

第一个数组元素提升到第二个数组的幂，逐元素。

将 x1 中的每个底数提升到 x2 中位置对应的幂。 x1 和 x2 必须能够广播到相同的形状。

整数类型提升到负整数幂将引发 ValueError。

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

float_power

将整数提升为浮点数的幂函数

示例

>>> import numpy as np

立方数组中的每个元素。

>>> x1 = np.arange(6)
>>> x1
[0, 1, 2, 3, 4, 5]
>>> np.power(x1, 3)
array([  0,   1,   8,  27,  64, 125])

将底数提升到不同的指数。

>>> 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]])

在 ndarrays 上，可以使用 ** 运算符作为 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])

负数提升到非整数值将导致 nan（并会生成警告）。

>>> 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，请将参数 dtype=complex。

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