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.

Параметры

xarray_like

Значения, для которых требуется квадратный корень.

outndarray, None, или кортеж ndarray и None, необязательно

Расположение, в которое сохраняется результат. Если задано, оно должно иметь форму, к которой входные данные транслируются. Если не задано или None, возвращается свежевыделенный массив. Кортеж (возможен только как ключевой аргумент) должен иметь длину, равную количеству выходных значений.

wherearray_like, необязательно

Это условие транслируется по входным данным. 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, места в нем, где условие ложно, останутся неинициализированными.

**kwargs

Для других ключевых аргументов см. документацию ufunc.

Возвращает

yndarray

Массив с такой же формой, как x, содержащий положительный квадратный корень каждого элемента в x. Если какой-либо элемент в x является комплексным, возвращается комплексный массив (и вычисляются квадратные корни отрицательных вещественных чисел). Если все элементы в x являются вещественными, то и y является вещественным, при этом отрицательные элементы возвращают nan. Если out было предоставлено, то y является ссылкой на него. Это скаляр, если x является скаляром.

См. также

lib.scimath.sqrt

Версия, которая возвращает комплексные числа при отрицательных вещественных числах.

Примечания

sqrt, в соответствии с общим соглашением, имеет в качестве своей разрезной линии вещественный «интервал» [-inf, 0), и непрерывен сверху на нем. Разрезная линия — это кривая в комплексной плоскости, через которую заданная комплексная функция перестаёт быть 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])