numpy.float_power #
- 麻木的。float_power ( x1 , x2 , / , out=None , * , where=True , casting='same_kind' , order='K' , dtype=None , subok=True [ , signature , extobj ] ) = <ufunc 'float_power' > #
第一个数组元素按元素从第二个数组求幂。
将x1中的每个碱基提高到x2中位置对应的幂。 x1和x2必须可广播为相同的形状。这与幂函数的不同之处在于,整数、float16 和 float32 被提升为最小精度为 float64 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的结果,并且很少为正幂返回溢出结果。
负值提升为非整数值将返回
nan
。要获得复杂的结果,请将输入转换为复杂,或指定dtype
为complex
(请参见下面的示例)。1.12.0 版本中的新增内容。
- 参数:
- x1类似数组
基地。
- x2类似数组
指数。如果,它们必须可广播为通用形状(成为输出的形状)。
x1.shape != x2.shape
- out ndarray、None 或 ndarray 和 None 的元组,可选
存储结果的位置。如果提供,它必须具有输入广播到的形状。如果未提供或无,则返回新分配的数组。元组(只能作为关键字参数)的长度必须等于输出的数量。
- 其中array_like,可选
该条件通过输入广播。在条件为 True 的位置,输出数组将设置为 ufunc 结果。在其他地方,输出数组将保留其原始值。请注意,如果通过 default 创建 未初始化的out
out=None
数组,则其中条件为 False 的位置将保持未初始化状态。- **夸格
对于其他仅关键字参数,请参阅 ufunc 文档。
- 返回:
- y ndarray
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。
也可以看看
power
保留类型的幂函数
例子
对列表中的每个元素进行立方。
>>> x1 = range(6) >>> x1 [0, 1, 2, 3, 4, 5] >>> np.float_power(x1, 3) array([ 0., 1., 8., 27., 64., 125.])
将底数提高到不同的指数。
>>> 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.])
播出效果。
>>> 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.]])
将负值提高到非整数值将导致
nan
(并且将生成警告)。>>> x3 = np.array([-1, -4]) >>> with np.errstate(invalid='ignore'): ... p = np.float_power(x3, 1.5) ... >>> p array([nan, nan])
要获得复杂的结果,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])