numpy.polynomial.chebyshev.chebdomain#

polynomial.chebyshev.chebdomain = array([-1., 1.])#

数组对象表示一个多维、同构、固定大小的项数组。关联的数据类型对象描述了数组中每个元素的格式（它的字节顺序、在内存中占用的字节数、它是否是整数、浮点数或其他类型等）。

数组应使用 array、zeros 或 empty 进行构造（请参阅下面的“另请参阅”部分）。此处给出的参数指的是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:

（针对 __new__ 方法；请参阅下面的“注释”）
shape整数元组: 创建的数组的形状。
dtype数据类型，可选: 任何可被解释为 NumPy 数据类型的对象。
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: 数组数据在缓冲区中的偏移量。
strides整数元组，可选: 数据在内存中的步长。
order{‘C’, ‘F’}，可选: 行主序（C 风格）或列主序（Fortran 风格）。

另请参阅

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，但保留其已分配内存不变（即，它包含“垃圾”数据）。
dtype: 创建一个数据类型。
numpy.typing.NDArray: 一个 ndarray 别名，相对于其 dtype.type 是一个泛型。

注释

使用 __new__ 创建数组有两种模式：

如果 buffer 为 None，则只使用 shape、dtype 和 order。
如果 buffer 是一个公开缓冲区接口的对象，则所有关键字都会被解析。

不需要 __init__ 方法，因为数组在 __new__ 方法执行后已完全初始化。

示例

这些示例演示了低级 ndarray 构造函数。有关构造 ndarray 的更简便方法，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: 数组在内存中的元素。
dtypedtype object: 描述数组中元素的格式。
flagsdict: 包含内存使用相关信息的字典，例如 ‘C_CONTIGUOUS’、‘OWNDATA’、‘WRITEABLE’ 等。
flatnumpy.flatiter object: 数组的扁平化版本，作为迭代器。该迭代器允许赋值，例如 x.flat = 3（有关赋值示例，请参阅 ndarray.flat；待办）。
imagndarray: 数组的虚部。
realndarray: 数组的实部。
sizeint: 数组中的元素数量。
itemsizeint: 每个数组元素在内存中占用的字节数。
nbytesint: 存储数组数据所需的总字节数，即 itemsize * size。
ndimint: 数组的维度数量。
shape整数元组: 数组的形状。
strides整数元组: 在内存中从一个元素移动到下一个元素所需的步长。例如，一个C-order的连续 (3, 4) 类型为 int16 的数组，其步长为 (8, 2)。这意味着在内存中从一个元素移动到另一个元素需要跳跃 2 字节。而从一行移动到下一行，则需要一次跳跃 8 字节（2 * 4）。
ctypesctypes object: 包含数组属性的类，用于与 ctypes 交互。
basendarray: 如果数组是另一个数组的视图，那么该数组就是它的 base（除非该数组本身也是一个视图）。base 数组是实际存储数组数据的地方。