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Python ValueError:操作数无法与形状一起广播,python,numpy,Python,Numpy,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.
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
np.power(a,3)
,或np.幂次(a,b)
,其中b
是与a
形状相同的数组,或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
np.power(a,3)
,或np.幂次(a,b)
,其中b
是与a
形状相同的数组,或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
np.power(a,3)
,或np.幂次(a,b)
,其中b
是与a
形状相同的数组,或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
np.power(a,3)
,或np.幂次(a,b)
,其中b
是与a
形状相同的数组,或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!