numpy.sqrt

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

Возвращает неотрицательный квадратный корень массива поэлементно.

Parameters

xarray_like

Значения, квадратные корни которых требуются.

outndarray, None, or tuple of ndarray and None, optional

Местоположение, в которое записывается результат. Если указано, оно должно иметь форму, к которой можно привести входные данные. Если не указано или равно None, возвращается вновь выделенный массив. Кортеж (возможен только как именованный аргумент) должен иметь длину, равную количеству выходов.

wherearray_like, optional

Это условие распространяется на входные данные. В тех местах, где условие истинно, массив out будет установлен в результат ufunc. В остальных местах массив out сохранит своё исходное значение. Обратите внимание, что если неинициализированный массив out создаётся с помощью значения по умолчанию out=None, места в нём, где условие ложно, останутся неинициализированными.

**kwargs

Для других именованных аргументов см. документацию ufunc.

Returns

yndarray

Массив той же формы, что и x, содержащий положительный квадратный корень каждого элемента в x. Если какой-либо элемент в x является комплексным, возвращается комплексный массив (и вычисляются квадратные корни из отрицательных действительных чисел). Если все элементы в x являются действительными, то таким же является y, а отрицательные элементы возвращают nan. Если был предоставлен out, y является ссылкой на него. Это скаляр, если x является скаляром.

См. также

lib.scimath.sqrt

Версия, которая возвращает комплексные числа при задании отрицательных действительных чисел.

Примечания

sqrt имеет — в соответствии с общепринятой конвенцией — в качестве своего разрыва ветви действительный «интервал» [-inf, 0) и является непрерывным сверху на нём. Разрыв ветви — это кривая в комплексной плоскости, через которую данная комплексная функция не является непрерывной.

Примеры

>>> np.sqrt([1,4,9])
array([ 1.,  2.,  3.])

>>> np.sqrt([4, -1, -3+4J])
array([ 2.+0.j,  0.+1.j,  1.+2.j])

>>> np.sqrt([4, -1, np.inf])
array([ 2., nan, inf])