numpy.
float_power
第一个数组元素从第二个数组提升为幂,按元素排序。
将每个底座升高 x1 到位置上相应的功率 x2 . x1 和 x2 必须可广播到同一形状。这与幂函数的不同之处在于,整数float16和float32被提升为最小精度为float64的浮点,因此结果总是不精确。其目的是函数将为负幂返回一个可用的结果,而对于正幂很少溢出。
1.12.0 新版功能.
基地。
指数。如果 x1.shape != x2.shape ,它们必须可以广播到公共形状(成为输出的形状)。
x1.shape != x2.shape
存储结果的位置。如果提供,它必须具有输入广播到的形状。如果未提供或没有,则返回新分配的数组。元组(只能作为关键字参数)的长度必须等于输出数。
这种情况通过输入广播。在条件为真的位置 out 数组将被设置为ufunc结果。在其他地方 out 数组将保留其原始值。请注意,如果未初始化 out 数组是通过默认值创建的 out=None ,其中条件为False的位置将保持未初始化状态。
out=None
有关其他仅限关键字的参数,请参见 ufunc docs .
基地在 x1 上升到指数 x2 . 这是一个标量,如果两者都是 x1 和 x2 是标量。
参见
power
保留类型的幂函数
实例
对列表中的每个元素进行多维数据集。
>>> x1 = range(6) >>> x1 [0, 1, 2, 3, 4, 5] >>> np.float_power(x1, 3) array([ 0., 1., 8., 27., 64., 125.])
把基数提高到不同的指数。
>>> 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.])
广播的效果。
>>> 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.]])