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'>

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.

参数

x1array_like

基地。

x2array_like

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）。

outndarray、none或ndarray和none的元组，可选

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。

where阵列式，可选

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。

**kwargs

有关其他仅限关键字的参数，请参见 ufunc docs .

返回

y恩达雷

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.]])

numpy.floor_divide numpy.fmod