Python numpy float_power用法及代码示例

本文简要介绍 python 语言中 numpy.float_power 的用法。

用法:

numpy.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提升到幂。

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。

将负值提升为非整数值将返回 nan 。要获得复数结果，请将输入转换为复数，或将 dtype 指定为 complex(参见下面的示例)。

参数：

x1： array_like

基地。

x2： array_like

index 。如果 x1.shape != x2.shape ，它们必须可以广播到一个公共形状(成为输出的形状)。

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 None，则返回一个新分配的数组。元组(只能作为关键字参数)的长度必须等于输出的数量。

where： 数组，可选

此条件通过输入广播。在条件为真的位置，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，如果未初始化out数组是通过默认创建的out=None，其中条件为 False 的位置将保持未初始化状态。

**kwargs：

对于其他仅关键字参数，请参阅 ufunc 文档。

返回：

y： ndarray

x1 中的基数增加到 x2 中的 index 。如果 x1 和 x2 都是标量，则这是一个标量。

例子：

立方体列表中的每个元素。

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

将基数提高到不同的 index 。

>>> 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.]])

将负值提升为非整数值将导致 nan(并会生成警告)。

>>> 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])