numpy.polynomial.hermite_e.hermedomain#
- polynomial.hermite_e.hermedomain = array([-1., 1.])#
数组对象表示固定大小项目的多维同构数组.关联的数据类型对象描述数组中每个元素的格式(其字节顺序,它在内存中占用的字节数,它是整数,浮点数还是其他内容等).
应使用
array, zeros 或 empty 构造数组(请参阅下面的“另请参阅”部分).此处给出的参数是指用于实例化数组的低级方法 ( ndarray(…) ).有关更多信息,请参阅
numpy模块并检查数组的方法和属性.- 参数:
- (对于 __new__ 方法;请参阅下面的“注释”)
- shapetuple of ints
创建的数组的形状.
- dtypedata-type,可选
可以解释为 numpy 数据类型的任何对象.
- buffer公开缓冲区接口的对象,可选
用于用数据填充数组.
- offset整数,可选
缓冲区中数组数据的偏移量.
- strides整数元组,可选
内存中数据的步幅.
- order{‘C’, ‘F’},可选
行优先(C 样式)或列优先(Fortran 样式)顺序.
参见
array构造一个数组.
zeros创建一个数组,其每个元素都为零.
empty创建一个数组,但保持其分配的内存不变(即,它包含“垃圾”).
dtype创建一个数据类型.
numpy.typing.NDArray一个关于其
dtype.type的ndarray别名 generic .
注释
使用
__new__创建数组有两种模式:如果 buffer 为 None,则仅使用 shape , dtype 和 order .
如果 buffer 是一个公开缓冲区接口的对象,则解释所有关键字.
不需要
__init__方法,因为数组在__new__方法之后已完全初始化.示例
这些示例说明了底层的 ndarray 构造函数.有关构造 ndarray 的更简单方法,请参阅上面的“另请参阅”部分.
第一种模式, buffer 为 None:
>>> import numpy as np >>> np.ndarray(shape=(2,2), dtype=float, order='F') array([[0.0e+000, 0.0e+000], # random [ nan, 2.5e-323]])
第二种模式:
>>> np.ndarray((2,), buffer=np.array([1,2,3]), ... offset=np.int_().itemsize, ... dtype=int) # offset = 1*itemsize, i.e. skip first element array([2, 3])
- 属性:
- Tndarray
数组的转置.
- databuffer
数组的元素,在内存中.
- dtypedtype object
描述数组中元素的格式.
- flagsdict
包含与内存使用相关的信息的字典,例如,“C_CONTIGUOUS”,“OWNDATA”,“WRITEABLE”等.
- flatnumpy.flatiter object
作为迭代器的数组的扁平化版本.迭代器允许赋值,例如
x.flat = 3(有关赋值示例,请参见 ndarray.flat ;TODO).- imagndarray
数组的虚部.
- realndarray
数组的实部.
- sizeint
数组中的元素数量.
- itemsizeint
每个数组元素的内存使用量(以字节为单位).
- nbytesint
存储数组数据所需的总字节数,即
itemsize * size.- ndimint
数组的维数.
- shapetuple of ints
数组的形状.
- stridestuple of ints
从一个元素移动到内存中的下一个元素所需的步长.例如,C 顺序中类型为
int16的连续(3, 4)数组具有步长(8, 2).这意味着从一个元素移动到内存中的另一个元素需要跳过 2 个字节.要从一行移动到另一行,需要一次跳过 8 个字节(2 * 4).- ctypesctypes object
包含与 ctypes 交互所需的数组属性的类.
- basendarray
如果数组是到另一个数组的视图,则该数组是它的 base (除非该数组也是一个视图). base 数组是实际存储数组数据的位置.