从元素上获取NumPy数组值的幂

NumPy是一个强大的N维数组对象，它在线性代数、傅里叶变换和随机数能力中的应用。它提供了一个比传统Python列表快得多的数组对象。numpy.power()用于计算元素的幂。它将第一个数组的元素从第二个数组中提升到幂，从元素上看。

语法: numpy.power(arr1, arr2, out = None, where = True, casting = ‘same_kind’, order = ‘K’, dtype = None)

参数 :

arr1 : [array_like]输入数组或对象，可作为基数。
arr2 : [array_like]输入数组或对象，作为指数工作。
out : [ndarray, optional]输出数组，其尺寸与输入数组相同。摆放的结果。
**kwargs :允许你向一个函数传递关键字的可变长度的参数。
当我们想在一个函数中处理命名的参数时，它就会被使用。
where : [array_like, optional]真值意味着要计算出普遍性。函数(ufunc)的位置，假值意味着离开仅在输出中的值。

因此，让我们来讨论一些与数组的获取能力有关的例子。

例子1：计算一个具有不同元素明智值的数组的功率。

# import required modules
import numpy as np
 
 
# creating the array
sample_array1 = np.arange(5)
sample_array2 = np.arange(0, 10, 2)
 
print("Original array ")
print("array1 ", sample_array1)
print("array2 ", sample_array2)
 
# calculating element-wise power
power_array = np.power(sample_array1, sample_array2)
 
print("power to the array1 and array 2 : ", power_array)

输出:

Original array 
array1  [0 1 2 3 4]
array2  [0 2 4 6 8]
power to the array1 and array 2 :  [    1     1    16   729 65536]

例子2：对数组中的每个元素都计算相同的功率。

# import required module
import numpy as np
 
 
# creating the array
array = np.arange(8)
print("Original array")
print(array)
 
# computing the power of array
print("power of 3 for every element-wise:")
print(np.power(array, 3))

输出:

Original array
[0 1 2 3 4 5 6 7]
power of 3 for every element-wise:
[  0   1   8  27  64 125 216 343]

例子3：计算小数点的功率。

# import required modules
import numpy as np
 
 
# creating the array
sample_array1 = np.arange(5)
 
# initialization the decimal number
sample_array2 = [1.0, 2.0, 3.0, 3.0, 2.0]
 
print("Original array ")
print("array1 ", sample_array1)
print("array2 ", sample_array2)
 
# calculating element-wise power
power_array = np.power(sample_array1, sample_array2)
 
print("power to the array1 and array 2 : ", power_array)

输出:

Original array 
array1  [0 1 2 3 4]
array2  [1.0, 2.0, 3.0, 3.0, 2.0]
power to the array1 and array 2 :  [ 0.  1.  8. 27. 16.]

注意：你不能计算负功率。

示例 4:

# importing module
import numpy as np
 
 
# creating the array
array = np.arange(8)
print("Original array")
print(array)
print("power of 3 for every element-wise:")
 
# computing the negative power element
print(np.power(array, -3))