NumPy float_power

作者

您好，欢迎来到Numpy float_power教程 。在本教程中，我们将学习 NumPy float_power() 方法，并看到许多相关示例。那么让我们开始吧！

另请阅读：NumPy Power – 计算另一个数字的幂

什么是 NumPy float_power？

NumPy 中的方法 float_power() 是一个函数，它返回一个数组，该数组是通过将一个数组中的元素进行与第二个数组中的值相对应的幂计算得出的。

如果x1和x2是两个数组，则按float_power(x1, x2)元素计算输出，即将x1中的每个值提升到x2中相应位置的值。正如函数本身的名称所暗示的，它的默认返回类型是 float。我们将在本教程的下一部分中看到此函数的示例。

NumPy float_power 的语法

numpy.float_power(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])
范围 描述 必需/可选
x1（类似数组） 基础数组。 必需的
x2（类似数组） 幂/指数数组。 必需的
出去 用于放置结果的替代输出数组。它必须具有与预期输出相同的形状。 选修的
在哪里 接受一个类似数组的对象。在为 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。 选修的

返回：一个数组，其中包含 x 1按元素提升到x2
的结果 。如果 x1和x2 是标量，则结果也是标量。

Numpy float_power() 的示例

现在让我们直接进入示例并了解该 float_power 方法的实际工作原理。

当两个输入都是标量时

import numpy as np
 
a = 5
b = 3
# using the float_power method
ans = np.float_power(a, b)
 
print("a = ", a, "\nb =", b)
print("Result = ", ans)

输出：

a =  5
b = 3
Result =  125.0

一个简单的例子，结果计算如下

5^3 = 125

当一个输入是标量而另一个输入是一维数组时

import numpy as np
 
a = [0, -2, 4, -6, 8]
b = 3
# using the float_power method
ans = np.float_power(a, b)
 
print("a = ", a, "\nb =", b)
print("Result = ", ans)

输出：

a =  [0, -2, 4, -6, 8]
b = 3
Result =  [   0.   -8.   64. -216.  512.]

这里，数组a中的每个元素都进行b次幂，输出计算如下

ans[0] = a[0] ^ b = 0 ^ 3 = 0
ans[1] = a[1] ^ b = -2 ^ 3 = -8
ans[2] = a[2] ^ b = 4 ^ 3 = 64
ans[3] = a[3] ^ b = -6 ^ 3 = -216
ans[4] = a[4] ^ b = 8 ^ 3 = 512

从输出中，我们可以看到该函数还处理负值。

当两个输入数组都是一维时

import numpy as np
 
a = [3, 1, 4, 2.5]
b = [0, 2, 2.7, 4]
# using the float_power method
ans = np.float_power(a, b)
 
print("a = ", a, "\nb =", b)
print("Result = ", ans)

输出：

a =  [3, 1, 4, 2.5]
b = [0, 2, 2.7, 4]
Result =  [ 1.          1.         42.22425314 39.0625    ]

此处， a中的每个元素 都会计算b 中相应元素的幂  ，输出计算如下：

ans[0] = a[0] ^ b[0] = 3 ^ 0 = 1
ans[1] = a[1] ^ b[1] = 1 ^ 2 = 1
ans[2] = a[2] ^ b[2] = 4 ^ 2.7 = 42.22425314
ans[3] = a[3] ^ b[3] = 2.5 ^ 4 = 39.0625

请注意，该方法甚至可以处理浮点数float_power()。

当两个输入数组都是二维时

import numpy as np
 
a = [[1, 2], [6, 3]]
b = [[2, 5], [2, 3]]
# using the float_power method
ans = np.float_power(a, b)
 
print("a = ", a, "\nb =", b)
print("Result = \n", ans)

输出：

a =  [[1, 2], [6, 3]]
b = [[2, 5], [2, 3]]
Result =
 [[ 1. 32.]
 [36. 27.]]

与上面的例子类似，

ans[0][0] = a[0][0] ^ b[0][0] = 1 ^ 2 = 1
ans[0][1] = a[0][1] ^ b[0][1] = 2 ^ 5 = 32
  
ans[1][0] = a[1][0] ^ b[1][0] = 6 ^ 2 = 36
ans[1][1] = a[1][1] ^ b[1][1] = 3 ^ 3 = 27

结论

就这样！在本教程中，我们了解了 Numpy float_power 方法，并使用该方法练习了不同类型的示例。  

如果您想了解有关 NumPy 的更多信息，请随时阅读我们的 NumPy 教程。

参考