dask.array.power
dask.array.power¶
- dask.array.power(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature]) = <ufunc 'power'>¶
此文档字符串是从 numpy.power 复制的。
Dask 版本可能存在一些不一致性。
第一个数组的元素按第二个数组的元素逐个求幂。
将 x1 中的每个基数提升到 x2 中位置对应的幂。x1 和 x2 必须能够广播到相同的形状。
一个整数类型提升到负整数次幂将引发一个
ValueError。负数值提升到非整数值将返回
nan。要得到复数结果，请将输入转换为复数，或指定dtype为complex（见下例）。- 参数
- x1array_like
基础。
- x2array_like
指数。如果
x1.shape != x2.shape，它们必须能够广播到一个共同的形状（这将成为输出的形状）。- 出ndarray, 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。如果没有提供或为None，则返回一个新分配的数组。一个元组（只能作为关键字参数）的长度必须等于输出的数量。
- 哪里类似数组, 可选
此条件通过输入进行广播。在条件为 True 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，如果通过默认的
out=None创建了一个未初始化的 out 数组，条件为 False 的位置将保持未初始化状态。- **kwargs
对于其他仅关键字参数，请参阅 ufunc 文档。
- 返回
- yndarray
x1 中的基数提升到 x2 中的指数。如果 x1 和 x2 都是标量，则这是一个标量。
参见
float_power将整数提升为浮点数的幂函数
示例
>>> import numpy as np
对数组中的每个元素进行立方运算。
>>> x1 = np.arange(6) >>> x1 [0, 1, 2, 3, 4, 5] >>> np.power(x1, 3) array([ 0, 1, 8, 27, 64, 125])
将底数提升到不同的指数。
>>> x2 = [1.0, 2.0, 3.0, 3.0, 2.0, 1.0] >>> np.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.power(x1, x2) array([[ 0, 1, 8, 27, 16, 5], [ 0, 1, 8, 27, 16, 5]])
**运算符可以用作 ndarrays 上np.power的简写。>>> x2 = np.array([1, 2, 3, 3, 2, 1]) >>> x1 = np.arange(6) >>> x1 ** x2 array([ 0, 1, 8, 27, 16, 5])
负值提升到非整数值将导致
nan（并且会生成一个警告）。>>> x3 = np.array([-1.0, -4.0]) >>> with np.errstate(invalid='ignore'): ... p = np.power(x3, 1.5) ... >>> p array([nan, nan])
要获得复杂的结果，请给出参数
dtype=complex。>>> np.power(x3, 1.5, dtype=complex) array([-1.83697020e-16-1.j, -1.46957616e-15-8.j])