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'>#

第一个数组的元素按元素依次提升到第二个数组的幂.

将 x1 中的每个基数提升到 x2 中位置对应的幂.`x1` 和 x2 必须能够广播到相同的形状.这与幂函数不同,因为整数、float16 和 float32 被提升为至少具有 float64 精度的浮点数,因此结果总是不精确的.目的是该函数将为负幂返回一个可用的结果,并且很少为正幂溢出.

负值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,或指定 dtype 为 ``complex``（见下例）.

在 1.12.0 版本加入.

参数:
x1array_like

基础.

x2array_like

指数.如果 x1.shape != x2.shape,它们必须能够广播到一个共同的形状（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,它必须具有与输入广播的形状.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）的长度必须等于输出的数量.

wherearray_like, 可选

这个条件通过输入进行广播.在条件为 True 的位置,`out` 数组将被设置为 ufunc 结果.在其他地方,`out` 数组将保留其原始值.注意,如果通过默认的 out=None 创建了一个未初始化的 out 数组,条件为 False 的位置将保持未初始化状态.

**kwargs

对于其他仅限关键字的参数,请参阅 ufunc 文档.

返回:
yndarray

x1 中的基数提升到 x2 中的指数.如果 x1 和 x2 都是标量,则这是一个标量.

参见

power

保留类型的幂函数

示例

>>> import numpy as np

将列表中的每个元素立方.

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

将基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.]])

负值提升到一个非整数值将导致 ``nan``（并且会生成一个警告）.

>>> 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])
On this page