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, взятые из второго массива, поэлементно.

Каждый элемент базы в x1 возводится в соответствующую позиционно степень из x2. x1 и x2 должны быть совместимы для трансляции к одной и той же форме. Это отличается от функции возведения в степень тем, что целые числа, float16 и float32 повышаются до плавающей запятой с минимальной точностью float64, чтобы результат всегда был приближённым. Цель состоит в том, чтобы функция возвращала пригодный для использования результат для отрицательных степеней и редко переполнялась для положительных степеней.

New in version 1.12.0.

Parameters

x1array_like

Основания.

x2array_like

Показатели степени. Если x1.shape != x2.shape, они должны быть транслируемы в общую форму (которая становится формой выходных данных).

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

Место, в которое сохраняется результат. Если указано, оно должно иметь форму, к которой транслируются входные данные. Если не указано или равно None, возвращается только что выделенный массив. Кортеж (возможен только как ключевой аргумент) должен иметь длину, равную количеству выходных данных.

wherearray_like, optional

Это условие транслируется по входным данным. В местах, где условие равно True, массив out будет установлен в результат ufunc. В противном случае массив out сохранит свое исходное значение. Обратите внимание, что если массив out создаётся через стандартное значение out=None, места в нём, где условие равно False, останутся неинициализированными.

**kwargs

Для других ключевых аргументов см. документацию по ufunc.

Returns

yndarray

Основания в x1 возведены в степени показателей в x2. Это скаляр, если и x1 и x2 являются скалярами.

См. также

power

функция возведения в степень, сохраняющая тип

Примеры

Возведение каждого элемента 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.])

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.]])