numpy.power#

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

第一个数组元素按第二个数组的幂逐元素计算。

x1 中的每个底数提高到 x2 中位置对应的幂。 x1x2 必须可广播到相同形状。

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,请将输入转换为复数,或指定 dtypecomplex(参见下面的示例)。

参数:
x1array_like

底数。

x2array_like

指数。如果 x1.shape != x2.shape,则它们必须可广播到共同形状(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,则返回新分配的数组。元组(只能作为关键字参数提供)的长度必须等于输出的数量。

wherearray_like,可选

此条件在输入上进行广播。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状态。

**kwargs**

有关其他仅限关键字的参数,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 x1x2 都是标量,则这是一个标量。

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]])

** 运算符可用作 np.power 在 ndarray 上的简写。

>>> 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])