numpy.require#

numpy.require(a, dtype=None, requirements=None, *, like=None)[源代码]#

返回满足要求的所提供类型的ndarray.

此函数对于确保返回具有正确标志的数组以传递给已编译的代码(可能通过ctypes)很有用.

参数:
aarray_like

要转换为满足类型和要求的数组的对象.

dtypedata-type

所需的数据类型.如果为None,则保留当前dtype.如果你的应用需要数据采用原生字节序,请在dtype规范中包含字节序说明.

requirementsstr 或 str 序列

要求列表可以是以下任何一种

  • ‘F_CONTIGUOUS’ (‘F’) - 确保一个Fortran连续数组

  • ‘C_CONTIGUOUS’ (‘C’) - 确保一个C连续数组

  • ‘ALIGNED’ (‘A’) - 确保一个数据类型对齐的数组

  • ‘WRITEABLE’ (‘W’) - 确保一个可写数组

  • ‘OWNDATA’ (‘O’) - 确保一个拥有自身数据的数组

  • ‘ENSUREARRAY’, (‘E’) - 确保一个基本数组,而不是一个子类

likearray_like, optional

参考对象以允许创建非NumPy数组的数组. 如果作为 like 传入的类数组支持 __array_function__ 协议,则结果将由它定义. 在这种情况下,它可以确保创建与通过此参数传入的数组对象兼容的数组对象.

在 1.20.0 版本加入.

返回:
outndarray

具有指定要求和类型的数组(如果给定).

参见

asarray

将输入转换为ndarray.

asanyarray

转换为ndarray,但传递ndarray子类.

ascontiguousarray

将输入转换为连续数组.

asfortranarray

将输入转换为具有列优先内存顺序的ndarray.

ndarray.flags

关于数组内存布局的信息.

注释

返回的数组将被保证具有所列出的要求,如果需要,将进行复制.

示例

>>> import numpy as np
>>> x = np.arange(6).reshape(2,3)
>>> x.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False

>>> y = np.require(x, dtype=np.float32, requirements=['A', 'O', 'W', 'F'])
>>> y.flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
当前页面