NumPy 1.14 - numpy.float_power()

numpy.float_power




numpy

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'>

पहले सरणी तत्वों को दूसरे सरणी से तत्वों के लिए उठाया गया, तत्व-वार।

x2 में स्थिति-संगत शक्ति के लिए x1 में प्रत्येक बेस को उठाएं। x1 और x2 को एक ही आकार में प्रसारित किया जाना चाहिए। यह उस पूर्णांक में पावर फ़ंक्शन से भिन्न होता है, फ़्लोट 16 और फ़्लोट 32 को फ़्लोट64 की न्यूनतम सटीकता के साथ फ़्लोट में बढ़ावा दिया जाता है ताकि परिणाम हमेशा निष्प्रभावी रहे। आशय यह है कि फ़ंक्शन नकारात्मक शक्तियों के लिए एक उपयोगी परिणाम लौटाएगा और सकारात्मक शक्तियों के लिए शायद ही कभी अतिप्रवाह होगा।

संस्करण 1.12.0 में नया।

पैरामीटर:

X1 : array_like

आधार।

x2 : array_like

घातांक।

बाहर : ndarray, कोई नहीं, या tdle of ndarray और कोई नहीं, वैकल्पिक

एक स्थान जिसमें परिणाम संग्रहीत किया जाता है। यदि प्रदान किया जाता है, तो इसका एक आकार होना चाहिए जो कि इनपुट प्रसारित करता है यदि प्रदान नहीं किया गया है या None , तो एक ताज़ा-आवंटित सरणी वापस आ जाती है। एक ट्यूपल (केवल एक कीवर्ड तर्क के रूप में संभव) आउटपुट की संख्या के बराबर लंबाई होना चाहिए।

जहां : array_like, वैकल्पिक

सत्य के मान उस स्थिति में ufunc की गणना करने के लिए संकेत देते हैं, गलत के मान अकेले उत्पादन में मूल्य छोड़ने का संकेत देते हैं।

** kwargs

अन्य कीवर्ड-केवल तर्कों के लिए, ufunc डॉक्स देखें।

यह दिखाता है:

y : ndarray

x1 1 में बेस x1 लिए x1 बढ़ा।

यह भी देखें

power
पावर फ़ंक्शन जो प्रकार को संरक्षित करता है

उदाहरण

एक सूची में प्रत्येक तत्व को घन।

>>> x1 = range(6)
>>> x1
[0, 1, 2, 3, 4, 5]
>>> np.float_power(x1, 3)
array([   0.,    1.,    8.,   27.,   64.,  125.])

विभिन्न घातांक को आधार उठाएं।

>>> 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.])

प्रसारण का प्रभाव।

>>> 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.]])