Python numpy.float_power()

numpy.float_power(arr1, arr2, out = None, where = True, casting = ‘same_kind’, order = ‘K’, dtype = None) :
第一个数组中的元素被提升到第二个元素的幂（所有这些都是按元素发生的）。arr1和arr2都必须有相同的形状。
float_power与幂函数不同的是，整数、float16和float32被提升为最小精度为float64的浮点数，所以结果总是不精确的。这个函数对于负数来说，会返回一个可用的结果，对于正数来说，很少会溢出。

参数 :

arr1 : [array_like]输入作为基数的数组或对象。
arr2 : [array_like]输入数组或作为指数的对象。

out : [ndarray, optional]输出数组，其尺寸与输入数组相同，与结果放在一起。
**kwargs : 允许你向一个函数传递长度可变的关键字参数。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]真值意味着在该位置计算通用函数(ufunc)，假值意味着在输出中不考虑该值。

返回 :

一个数组，Arr1的元素被提升到Arr2的指数。

代码1：

# Python program explaining
# float_power() function
import numpy as np
  
# input_array
arr1 = [2, 2, 2, 2, 2]
arr2 = [2, 3, 4, 5, 6]
print ("arr1         : ", arr1)
print ("arr1         : ", arr2)
  
# output_array
out = np.float_power(arr1, arr2)
print ("\nOutput array : ", out)

输出 :

arr1         :  [2, 2, 2, 2, 2]
arr1         :  [2, 3, 4, 5, 6]

Output array :  [  4.   8.  16.  32.  64.]

代码2：Arr1的元素升为指数2

# Python program explaining
# float_power() function
import numpy as np
  
# input_array
arr1 = np.arange(8)
exponent = 2
print ("arr1         : ", arr1)
  
# output_array
out = np.float_power(arr1, exponent)
print ("\nOutput array : ", out)

输出 :

arr1         :  [0 1 2 3 4 5 6 7]

Output array :  [  0.   1.   4.   9.  16.  25.  36.  49.]

代码3：如果arr2有-ve元素，float_power处理结果

# Python program explaining
# float_power() function
import numpy as np
  
# input_array
arr1 = [2, 2, 2, 2, 2]
arr2 = [2, -3, 4, -5, 6]
print ("arr1         : ", arr1)
print ("arr2         : ", arr2)
  
# output_array
out = np.float_power(arr1, arr2)
print ("\nOutput array : ", out)

输出 :

arr1         :  [2, 2, 2, 2, 2]
arr2         :  [2, -3, 4, -5, 6]

Output array :  [  4.00000000e+00   1.25000000e-01   1.60000000e+01   
                3.12500000e-02   6.40000000e+01]