python numpy.power()数组元素求n次方案例

如下所示：

numpy.power(x1, x2)

数组的元素分别求n次方。x2可以是数字，也可以是数组，但是x1和x2的列数要相同。

 >>> x1 = range(6)
 >>> x1
 [0, 1, 2, 3, 4, 5]
 >>> np.power(x1, 3)
 array([ 0,  1,  8, 27, 64, 125])
 >>> x2 = [1.0, 2.0, 3.0, 3.0, 2.0, 1.0]
 >>> np.power(x1, x2)
 array([ 0.,  1.,  8., 27., 16.,  5.])
 >>> 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]])

补充：python求n次方的函数_python实现pow函数（求n次幂，求n次方）

类型一：求n次幂

实现 pow(x, n)，即计算 x 的 n 次幂函数。其中n为整数。pow函数的实现——leetcode

解法1：暴力法

不是常规意义上的暴力，过程中通过动态调整底数的大小来加快求解。代码如下：

class Solution:
def myPow(self, x: float, n: int) -> float:
judge = True
if n<0:
n = -n
judge = False
if n==0:
return 1
final = 1 # 记录当前的乘积值
tmp = x # 记录当前的因子
count = 1 # 记录当前的因子是底数的多少倍
while n>0:
if n>=count:
final *= tmp
tmp = tmp*x
n -= count
count +=1
else:
tmp /= x
count -= 1
return final if judge else 1/final

解法2：根据奇偶幂分类(递归法，迭代法，位运算法)

如果n为偶数，则pow(x,n) = pow(x^2, n/2)；

如果n为奇数，则pow(x,n) = x*pow(x, n-1)。

递归代码实现如下：

class Solution:
def myPow(self, x: float, n: int) -> float:
if n<0:
n = -n
return 1/self.help_(x,n)
return self.help_(x,n)
def help_(self,x,n):
if n==0:
return 1
if n%2 == 0: #如果是偶数
return self.help_(x*x, n//2)
# 如果是奇数
return self.help_(x*x,(n-1)//2)*x

迭代代码如下：

class Solution:
def myPow(self, x: float, n: int) -> float:
judge = True
if n < 0:
n = -n
judge = False
final = 1
while n>0:
if n%2 == 0:
x *=x
n //= 2
final *= x
n -= 1
return final if judge else 1/final

python位运算符简介

其实跟上面的方法类似，只是通过位运算符判断奇偶性并且进行除以2的操作(移位操作)。代码如下：

class Solution:
def myPow(self, x: float, n: int) -> float:
judge = True
if n < 0:
n = -n
judge = False
final = 1
while n>0:
if n & 1: #代表是奇数
final *= x
x *= x
n >>= 1 # 右移一位
return final if judge else 1/final

类型二：求n次方

实现 pow(x, n)，即计算 x 的 n 次幂函数。其中x大于0，n为大于1整数。

解法：二分法求开方

思路就是逐步逼近目标值。以x大于1为例：

设定结果范围为[low, high]，其中low=0, high = x，且假定结果为r=(low+high)/2；

如果r的n次方大于x，则说明r取大了，重新定义low不变，high= r，r=(low+high)/2；

如果r的n次方小于x，则说明r取小了，重新定义low=r，high不变，r=(low+high)/2；

代码如下：

class Solution:
def myPow(self, x: float, n: int) -> float:
# x为大于0的数,因为负数无法开平方(不考虑复数情况)
if x>1:
low,high = 0,x
else:
low,high =x,1
while True:
r = (low+high)/2
judge = 1
for i in range(n):
judge *= r
if x >1 and judge>x:break # 对于大于1的数，如果当前值已经大于它本身，则无需再算下去
if x <1 and judge
if abs(judge-x)<0.0000001: # 判断是否达到精度要求
print(pow(x,1/n)) # pow函数计算结果
return r
else:
if judge>x:
high = r
else:
low = r

以上为个人经验，希望能给大家一个参考，也希望大家多多支持我们。如有错误或未考虑完全的地方，望不吝赐教。

赞 (0)

相关推荐

  • numpy自动生成数组详解

    1 np.arange(),类似于range,通过指定开始值,终值和步长来创建表示等差数列的一维数组,注意该函数和range一样结果不包含终值. >>> np.arange(10) array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> np.arange(0,1,0.1) array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9]) >>> 2 np.linspace

  • Python开多次方根的案例

    如下所示: result = value ** (1 / root) 开8的3次方根就是 8 ** (1 / 3) 结果是2.0 补充:python 开任意数的任意次方 我就废话不多说了,大家还是直接看代码吧~ ```python def Evolution(): a = int(input("请输入你要开方的数:")) b = int(input("请输入你要开几次方")) x = int(input("预估值:")) # b1 一个中间变量,

  • 用Python解决x的n次方问题

    我考虑到了x的所有n次的情况,下面的代码有可能是不完美的,但是肯定是对的. def aaa(x,n): A=isinstance(x,(int,float)) #这是考虑x和n的类型,需要满足条件才可以 if A!=True: #往下执行 return None B=isinstance(n,(int,float)) if B!=True: return None if x==0: return None s=1 #设置s的初始值 while n>0:#下面讨论的是n的三种情况 n=n-1 s=

  • python简单获取数组元素个数的方法

    本文实例讲述了python简单获取数组元素个数的方法.分享给大家供大家参考.具体如下: 复制代码 代码如下: mySeq = [1,2,3,4,5]  print len(mySeq) 运行结果如下: 5 希望本文所述对大家的Python程序设计有所帮助.

  • python进行二次方程式计算的实例讲解

    算法,是一种执行步骤,如果我们想要要做一件事情,就会规划好行动步骤.而算法,就是我们所编程序的执行步骤.算法在编程使用过程中至关重要.二次方程式大家很熟悉,是一种整式方程,其未知项的最高次数是2.根的判定是利用判别式判定,可以进行计算复杂数学运算.下面我们就来拿二次方程练练手,在python中求取二次方程. 示例:计算二次方程式 ax**2 + bx + c = 0 注意:首先要导入 math模块 代码: import math import unicodedata def is_number(

  • python简单的三元一次方程求解实例

    我就废话不多说了,直接看代码吧! import re lt = [] d = {} for i in range(3): a = input('请输入第%d个三元式'%(i + 1)) st = a.split("=") r = re.compile('(-?\d?)[xyz]') b = re.findall(r, st[0]) print(b) for j in range(3): if b[j] == "": b[j] = 1 if b[j] == '-':

  • python numpy.power()数组元素求n次方案例

    如下所示: numpy.power(x1, x2) 数组的元素分别求n次方.x2可以是数字,也可以是数组,但是x1和x2的列数要相同. >>> x1 = range(6) >>> x1 [0, 1, 2, 3, 4, 5] >>> np.power(x1, 3) array([ 0, 1, 8, 27, 64, 125]) >>> x2 = [1.0, 2.0, 3.0, 3.0, 2.0, 1.0] >>> np.

  • Python二维数组实现求出3*3矩阵对角线元素的和示例

    题目:求一个3*3矩阵对角线元素之和. 程序分析:利用双重for循环控制输入二维数组,再将a[i][i]累加后输出. def two_dimensionalArray(self): '二维数组实现求三阶矩阵的对角线元素之和' sum = 0 matrix = [[0, 1, 0], [0, 21, 0], [0, 12, 0]] matrix2 = [[0 for i in range(3)] for i in range(3)] matrix2[0][0] = 123 matrix2[1][1

  • 基于Python Numpy的数组array和矩阵matrix详解

    NumPy的主要对象是同种元素的多维数组.这是一个所有的元素都是一种类型.通过一个正整数元组索引的元素表格(通常是元素是数字). 在NumPy中维度(dimensions)叫做轴(axes),轴的个数叫做秩(rank,但是和线性代数中的秩不是一样的,在用python求线代中的秩中,我们用numpy包中的linalg.matrix_rank方法计算矩阵的秩,例子如下). 结果是: 线性代数中秩的定义:设在矩阵A中有一个不等于0的r阶子式D,且所有r+1阶子式(如果存在的话)全等于0,那末D称为矩阵

  • Python简单计算数组元素平均值的方法示例

    Python简单计算数组元素平均值的方法示例

    本文实例讲述了Python简单计算数组元素平均值的方法.分享给大家供大家参考,具体如下: Python 环境:Python 2.7.12 x64 IDE :     Wing IDE Professional  5.1.12-1 题目:  求数组元素的平均值 实现代码: # coding:utf-8 #求数组元素的平均值 a=[1,4,8,10,12] b=len(a) sum=0 print "我们测试结果:" print "数组长度为:",b for i in

  • 对numpy中数组元素的统一赋值实例

    Numpy中的数组整体处理赋值操作一直让我有点迷糊,很多时候理解的不深入.今天单独列写相关的知识点,进行总结一下. 先看两个代码片小例子: 例子1: In [2]: arr =np.empty((8,4)) In [3]: arr Out[3]: array([[ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0.,

  • 基于numpy中数组元素的切片复制方法

    代码1: #!/usr/bin/python import numpy as np arr1 = np.arange(10) print(arr1) slice_data = arr1[3:5] print(slice_data) slice_data[0] = 123 print(slice_data) print(arr1) 类似的代码之前应用过,简单看了一下numpy中的数组切片. 程序的执行结果如下: In [2]: %run exp01.py [0 1 2 3 4 5 6 7 8 9]

  • Python Numpy中数组的集合操作详解

    我们知道两个 set 对象之间,可以取交集.并集.差集.对称差集,举个例子: s1 = {1, 2, 3} s2 = {2, 3, 4} """ &: 交集 |: 并集  -: 差集 ^: 对称差集 """ # 以下几种方式是等价的 # 但是一般我们都会使用操作符来进行处理,因为比较方便 print(s1 & s1) print(s1.intersection(s2)) print(set.intersection(s1, s2)

  • Python numpy实现数组合并实例(vstack,hstack)

    若干个数组可以沿不同的轴合合并到一起,vstack,hstack的简单用法, >>> a = np.floor(10*np.random.random((2,2))) >>> a array([[ 8., 8.], [ 0., 0.]]) >>> b = np.floor(10*np.random.random((2,2))) >>> b array([[ 1., 8.], [ 0., 4.]]) >>> np.vs

  • Python numpy 点数组去重的实例

    废话不多说,直接上代码,有详细注释 # coding = utf-8 import numpy as np from IPython import embed # xy 输入,可支持浮点数操作 速度很快哦 # return xy 去重后结果 def duplicate_removal(xy): if xy.shape[0] < 2: return xy _tmp = (xy*4000).astype('i4') # 转换成 i4 处理 _tmp = _tmp[:,0] + _tmp[:,1]*1

随机推荐