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 позицию степень в x2. x1 и x2 должны быть совместимы для трансляции в одну и ту же форму. Это отличается от функции степени тем, что целые, float16 и float32 типы данных переводятся в float с минимальной точностью float64, чтобы результат всегда был приближённым. Цель состоит в том, чтобы функция возвращала пригодный результат для отрицательных степеней и редко переполнялась для положительных степеней.

Новая в версии 1.12.0.

Параметры

x1array_like

Основания.

x2array_like

Показатели степени. Если x1.shape != x2.shape, они должны быть совместимы для трансляции в одну общую форму (которая становится формой результата).

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

Местоположение, в котором хранится результат. Если указано, оно должно иметь форму, в которую транслируются входные данные. Если не указано или равно None, возвращается новый массив. Кортеж (возможен только как ключевой аргумент) должен иметь длину, равную количеству выходов.

wherearray_like, optional

Это условие транслируется по входным данным. В местах, где условие истинно, массив out будет установлен на результат ufunc. В противном случае, массив out сохранит своё первоначальное значение. Обратите внимание, что если массив out создан через значение по умолчанию out=None, места в нём, где условие ложно, останутся неинициализированными.

**kwargs

Дополнительные ключевые аргументы см. в документации ufunc.

Возвращает

yndarray

Основания в x1 в степенях из x2. Это скаляр, если x1 и x2 являются скалярами.

См. также

power

функция степени, 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.]])