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'>#

將第一個陣列的元素提升為來自第二個陣列的冪，逐元素運算。

將 x1 中的每個基底提升為 x2 中對應位置的冪。x1 和 x2 必須可廣播到相同的形狀。這與 power 函數不同，因為整數、float16 和 float32 會提升為最小精度為 float64 的浮點數，因此結果始終是不精確的。目的是此函數將針對負冪返回可用的結果，並且很少針對正冪溢位。

負值提升為非整數值將返回 nan。若要取得複數結果，請將輸入轉換為複數，或指定 dtype 為 complex（請參閱以下範例）。

參數:

x1array_like: 基底。
x2array_like: 指數。如果 x1.shape != x2.shape，它們必須可廣播到共同的形狀（這將成為輸出的形狀）。
outndarray、None 或 ndarray 和 None 的元組，選用: 儲存結果的位置。如果提供，則其形狀必須是輸入可廣播到的形狀。如果未提供或為 None，則會返回新分配的陣列。元組（僅可作為關鍵字引數）的長度必須等於輸出的數量。
wherearray_like，選用: 此條件會廣播到輸入之上。在條件為 True 的位置，out 陣列將設定為 ufunc 結果。在其他位置，out 陣列將保留其原始值。請注意，如果透過預設 out=None 建立未初始化的 out 陣列，則其中條件為 False 的位置將保持未初始化。
**kwargs: 對於其他僅限關鍵字的引數，請參閱 ufunc 文件。

返回:

yndarray: x1 中的基底提升為 x2 中的指數。如果 x1 和 x2 都是純量，則這是一個純量。

另請參閱

power: 保留類型的 power 函數

範例

>>> import numpy as np

計算列表中每個元素的立方。

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

將基底提升為不同的指數。

>>> 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.])

廣播的效果。

>>> 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.]])

負值提升為非整數值將導致 nan（並且會產生警告）。

>>> x3 = np.array([-1, -4])
>>> with np.errstate(invalid='ignore'):
...     p = np.float_power(x3, 1.5)
...
>>> p
array([nan, nan])

若要取得複數結果，請提供引數 dtype=complex。

>>> np.float_power(x3, 1.5, dtype=complex)
array([-1.83697020e-16-1.j, -1.46957616e-15-8.j])