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 возводятся в степени из второго массива поэлементно.

Возведите каждый базис в x1 в соответствующую позиционно степень в x2. x1 и x2 должны быть совместимы для трансляции в одинаковую форму. Это отличается от функции power тем, что целые числа, float16 и float32 повышаются до плавающих чисел с минимальной точностью float64, чтобы результат всегда был неточен. Цель состоит в том, чтобы функция возвращала пригодный результат для отрицательных степеней и редко переполнялась для положительных.

Добавлен в версии 1.12.0.

Параметры:

x1 : array_like Основания. x2 : array_like Показатели степени. Если x1.shape != x2.shape, они должны быть совместимы для трансляции в общую форму (которая становится формой результата). out : ndarray, None, or tuple of ndarray and None, optional Местоположение, в котором хранится результат. Если предоставлено, оно должно иметь форму, в которую транслируются входные данные. Если не предоставлено или None, возвращается недавно выделенный массив. Кортеж (возможен только в качестве ключевого аргумента) должен иметь длину, равную количеству выходных значений. where : array_like, optional Это условие транслируется по входу. В местах, где условие истинно, массив out будет установлен в результат ufunc. В противном случае массив out сохранит свое исходное значение. Обратите внимание, что если массив out создается с помощью значения по умолчанию out=None, позиции в нем, где условие ложно, останутся неинициализированными. **kwargs Для других ключевых аргументов см. документацию ufunc.

Возвращает:

y : ndarray Основания в x1 в степенях показателей в x2. Это скаляр, если оба x1 и x2 являются скалярами.

См. также

power

Функция power, сохраняющая тип

Примеры

Возведите каждый элемент в списке в куб.

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

Возведите основания 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.]])