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outout=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])