numpy.float_power

numpy.float_power(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = <ufunc 'float_power'>

Элементы первого массива, возведённые в степени из второго массива, поэлементно.

Возводит каждый элемент основания в x1 в соответствующую позиционно степень из x2. x1 и x2 должны быть совместимы для трансляции к одному и тому же размеру. Это отличается от функции `power` тем, что целые числа, `float16` и `float32` преобразуются в числа с плавающей точкой с минимальной точностью `float64`, чтобы результат всегда был приближённым. Цель заключается в том, чтобы функция возвращала используемый результат для отрицательных степеней и редко переполнялась для положительных степеней.

New in version 1.12.0.

Параметры:

x1 : array_like Основания. x2 : array_like Показатели степени. out : ndarray, None, or tuple of ndarray and None, optional Место для хранения результата. Если указано, оно должно иметь размер, к которому входные данные транслируются. Если не указано или None, возвращается новый выделенный массив. Кортеж (возможен только как ключевой аргумент) должен иметь длину, равную количеству выходных значений. where : array_like, optional Значения True указывают на вычисление ufunc в этой позиции, значения False — на оставление значения в выходных данных неизменным. **kwargs Для других ключевых аргументов см. документацию по ufunc.

Возвращает:

y : ndarray Основания в x1 , возведённые в степени из x2. Это скаляр, если и x1 , и x2 являются скалярами.

См. также

power

Функция `power`, сохраняющая тип

Примеры

Возведение в куб каждого элемента в списке.

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

Возведение оснований в разные степени.

>>> 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.])

Эффект трансляции.

>>> 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.]])