numpy.polynomial.hermite.hermone#

polynomial.hermite.hermone = array([1])#

数组对象表示一个多维、同构、固定大小元素的数组。关联的数据类型对象描述了数组中每个元素的格式（其字节顺序、在内存中占用的字节数、是整数、浮点数还是其他类型等）。

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

（针对 __new__ 方法；请参阅下方的“注意事项”）
shape整数元组: 创建数组的形状。
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: 数据在内存中的步幅。
order{‘C’，‘F’}，可选: 行优先（C 风格）或列优先（Fortran 风格）顺序。

另请参阅

array: 构造一个数组。
zeros: 创建一个所有元素都为零的数组。
empty: 创建一个数组，但其分配的内存保持不变（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 的泛型。

注意事项

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释。

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

示例

这些示例演示了低级 ndarray 构造函数。有关构建 ndarray 的更简便方法，请参阅上方的“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。
data缓冲区: 数组在内存中的元素。
dtypedtype 对象: 描述数组中元素的格式。
flags字典: 包含与内存使用相关信息的字典，例如 'C_CONTIGUOUS'、'OWNDATA'、'WRITEABLE' 等。
flatnumpy.flatiter 对象: 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（请参阅 ndarray.flat 获取赋值示例；TODO）。
imagndarray: 数组的虚部。
realndarray: 数组的实部。
size整数: 数组中元素的数量。
itemsize整数: 数组中每个元素占用的内存字节数。
nbytes整数: 存储数组数据所需的总字节数，即 itemsize * size。
ndim整数: 数组的维度数。
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 顺序的连续 (3, 4) 类型的 int16 数组，其步幅为 (8, 2)。这意味着在内存中从元素到元素移动需要跳跃 2 字节。要从行到行移动，每次需要跳跃 8 字节（2 * 4）。
ctypesctypes 对象: 包含数组与 ctypes 交互所需属性的类。
basendarray: 如果数组是另一个数组的视图，则该数组是其基数组（除非该数组本身也是视图）。基数组是实际存储数组数据的位置。