有关于python3.X.X中的power()函数的使用方法和细节

该函数在求欧氏距离较为常用,手写机器学习时候会用到比较多

函数解释:

--- power(A,B) :求A的B次方,数学等价于A^B

---其中A和B既可以是数字(标量),也可以是列表(向量)

分三种情况:

1.  A、B都是数字(标量)时候,就是求A的B次方

In [83]: a , b = 3 ,4                                                           

In [84]: np.power(a,b)                                                          
Out[84]: 81

2. A是列表(向量),B是数字(标量)时候,分两个子情况:

----power(A,B):A列表(向量)中所有元素,求B的次方;

----power(B,A):生成一个长度len(A)的列表,元素为B^A次方。具体看例子

In [10]: A, B = [1,2,3],3        
                                               
# 列表A的B次方:[1^3, 2^3, 3^3]
In [11]: np.power(A,B)                                                          
Out[11]: array([ 1,  8, 27])

# 返回len(A)长度的列表,其中元素[3^1, 3^2, 3^3]
In [12]: np.power(B,A)                                                          
Out[12]: array([ 3,  9, 27])

3. AB都是列表(向量)时候,必须len(A)=len(B)

In [13]: A , B = [1,2,3],[4,5,6]                                                

In [14]: np.power(A,B)                                                          
Out[14]: array([  1,  32, 729])

# 如果A和B的长度不一样,会报错
In [15]: A , B = [1,2,3],[4,5,6,7]                                              
In [16]: np.power(A,B)    

ValueError: operands could not be broadcast together with shapes (3,) (4,) 

 

你可能感兴趣的:(机器学习实战,python)