Python ValueError:操作数无法与形状一起广播

我有一个形状为（6,2）的Numpy数组

我想使用

---

np.power（a，[-6，-8]）

但这会引发

ValueError:操作数无法与形状一起广播

。我该怎么做？谢谢

您是否正在尝试获取以下信息：

>>> a = np.array([[1, 2, 3, 3, 2, 1], [4, 5, 6, 7, 8, 9]], dtype=float)
>>> np.array([np.power(a, -6), np.power(a, -8)])
array([[[  1.00000000e+00,   1.56250000e-02,   1.37174211e-03,
           1.37174211e-03,   1.56250000e-02,   1.00000000e+00],
        [  2.44140625e-04,   6.40000000e-05,   2.14334705e-05,
           8.49985975e-06,   3.81469727e-06,   1.88167642e-06]],
       [[  1.00000000e+00,   3.90625000e-03,   1.52415790e-04,
           1.52415790e-04,   3.90625000e-03,   1.00000000e+00],
        [  1.52587891e-05,   2.56000000e-06,   5.95374181e-07,
           1.73466526e-07,   5.96046448e-08,   2.32305731e-08]]])

电源不是那样工作的。根据内置文档，您可以

将整个阵列提升到一个幂次方，如

np.power（a，3）

，或

按不同的幂次提升一个数组，如

np.幂次（a，b）

，其中

b

是与

a

形状相同的数组，或

将一个数组提升到多个幂次，如

np.power（a，b）

，其中b“至少”具有a的形状，额外的维度包含不同的幂次（无论如何，据我所知）。因此，对于您的情况，以下内容也会产生相同的结果：

>>> b = np.array([-6 * np.ones(a.shape), -8 * np.ones(a.shape)])
>>> b
array([[[-6., -6., -6., -6., -6., -6.],
        [-6., -6., -6., -6., -6., -6.]],    
       [[-8., -8., -8., -8., -8., -8.],
        [-8., -8., -8., -8., -8., -8.]]])
>>> np.power(a, b)

---

您是否正在尝试获取以下信息：

>>> a = np.array([[1, 2, 3, 3, 2, 1], [4, 5, 6, 7, 8, 9]], dtype=float)
>>> np.array([np.power(a, -6), np.power(a, -8)])
array([[[  1.00000000e+00,   1.56250000e-02,   1.37174211e-03,
           1.37174211e-03,   1.56250000e-02,   1.00000000e+00],
        [  2.44140625e-04,   6.40000000e-05,   2.14334705e-05,
           8.49985975e-06,   3.81469727e-06,   1.88167642e-06]],
       [[  1.00000000e+00,   3.90625000e-03,   1.52415790e-04,
           1.52415790e-04,   3.90625000e-03,   1.00000000e+00],
        [  1.52587891e-05,   2.56000000e-06,   5.95374181e-07,
           1.73466526e-07,   5.96046448e-08,   2.32305731e-08]]])

电源不是那样工作的。根据内置文档，您可以

将整个阵列提升到一个幂次方，如

np.power（a，3）

，或

按不同的幂次提升一个数组，如

np.幂次（a，b）

，其中

b

是与

a

形状相同的数组，或

将一个数组提升到多个幂次，如

np.power（a，b）

，其中b“至少”具有a的形状，额外的维度包含不同的幂次（无论如何，据我所知）。因此，对于您的情况，以下内容也会产生相同的结果：

>>> b = np.array([-6 * np.ones(a.shape), -8 * np.ones(a.shape)])
>>> b
array([[[-6., -6., -6., -6., -6., -6.],
        [-6., -6., -6., -6., -6., -6.]],    
       [[-8., -8., -8., -8., -8., -8.],
        [-8., -8., -8., -8., -8., -8.]]])
>>> np.power(a, b)

---

您是否正在尝试获取以下信息：

>>> a = np.array([[1, 2, 3, 3, 2, 1], [4, 5, 6, 7, 8, 9]], dtype=float)
>>> np.array([np.power(a, -6), np.power(a, -8)])
array([[[  1.00000000e+00,   1.56250000e-02,   1.37174211e-03,
           1.37174211e-03,   1.56250000e-02,   1.00000000e+00],
        [  2.44140625e-04,   6.40000000e-05,   2.14334705e-05,
           8.49985975e-06,   3.81469727e-06,   1.88167642e-06]],
       [[  1.00000000e+00,   3.90625000e-03,   1.52415790e-04,
           1.52415790e-04,   3.90625000e-03,   1.00000000e+00],
        [  1.52587891e-05,   2.56000000e-06,   5.95374181e-07,
           1.73466526e-07,   5.96046448e-08,   2.32305731e-08]]])

电源不是那样工作的。根据内置文档，您可以

将整个阵列提升到一个幂次方，如

np.power（a，3）

，或

按不同的幂次提升一个数组，如

np.幂次（a，b）

，其中

b

是与

a

形状相同的数组，或

将一个数组提升到多个幂次，如

np.power（a，b）

，其中b“至少”具有a的形状，额外的维度包含不同的幂次（无论如何，据我所知）。因此，对于您的情况，以下内容也会产生相同的结果：

>>> b = np.array([-6 * np.ones(a.shape), -8 * np.ones(a.shape)])
>>> b
array([[[-6., -6., -6., -6., -6., -6.],
        [-6., -6., -6., -6., -6., -6.]],    
       [[-8., -8., -8., -8., -8., -8.],
        [-8., -8., -8., -8., -8., -8.]]])
>>> np.power(a, b)

---

您是否正在尝试获取以下信息：

>>> a = np.array([[1, 2, 3, 3, 2, 1], [4, 5, 6, 7, 8, 9]], dtype=float)
>>> np.array([np.power(a, -6), np.power(a, -8)])
array([[[  1.00000000e+00,   1.56250000e-02,   1.37174211e-03,
           1.37174211e-03,   1.56250000e-02,   1.00000000e+00],
        [  2.44140625e-04,   6.40000000e-05,   2.14334705e-05,
           8.49985975e-06,   3.81469727e-06,   1.88167642e-06]],
       [[  1.00000000e+00,   3.90625000e-03,   1.52415790e-04,
           1.52415790e-04,   3.90625000e-03,   1.00000000e+00],
        [  1.52587891e-05,   2.56000000e-06,   5.95374181e-07,
           1.73466526e-07,   5.96046448e-08,   2.32305731e-08]]])

电源不是那样工作的。根据内置文档，您可以

将整个阵列提升到一个幂次方，如

np.power（a，3）

，或

按不同的幂次提升一个数组，如

np.幂次（a，b）

，其中

b

是与

a

形状相同的数组，或

将一个数组提升到多个幂次，如

np.power（a，b）

，其中b“至少”具有a的形状，额外的维度包含不同的幂次（无论如何，据我所知）。因此，对于您的情况，以下内容也会产生相同的结果：

>>> b = np.array([-6 * np.ones(a.shape), -8 * np.ones(a.shape)])
>>> b
array([[[-6., -6., -6., -6., -6., -6.],
        [-6., -6., -6., -6., -6., -6.]],    
       [[-8., -8., -8., -8., -8., -8.],
        [-8., -8., -8., -8., -8., -8.]]])
>>> np.power(a, b)

---

是的，伙计。谢谢！是的，伙计。谢谢！是的，伙计。谢谢！是的，伙计。谢谢！