numpy.polynomial.laguerre.lagdomain#
- polynomial.laguerre.lagdomain = array([0., 1.])#
数组对象表示一个多维的、同构的、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（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（请参阅下面的“另请参见”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:
- （适用于 __new__ 方法；参见下面的“备注”）
- shape整型元组
创建的数组的形状。
- dtype数据类型，可选
任何可解释为 numpy 数据类型的对象。
- buffer公开缓冲区接口的对象，可选
用于使用数据填充数组。
- offset整型，可选
缓冲区中数组数据的偏移量。
- strides整型元组，可选
数据在内存中的步幅。
- order{‘C’，‘F’}，可选
行主序（C 风格）或列主序（Fortran 风格）。
另请参见
array构造一个数组。
zeros创建一个数组，其每个元素均为零。
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，关于其 通用
dtype.type。
备注
使用
__new__创建数组有两种模式不需要
__init__方法，因为数组在__new__方法之后已完全初始化。示例
这些示例展示了低级
ndarray构造函数。请参阅上面的“另请参见”部分，了解构造 ndarray 的更简单方法。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 对象
描述数组中元素的格式。
- flagsdict
包含与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，作为一个迭代器。该迭代器允许赋值，例如
x.flat = 3（参见ndarray.flat获取赋值示例；待办）。- imagndarray
数组的虚部。
- realndarray
数组的实部。
- size整型
数组中的元素数量。
- itemsize整型
每个数组元素在内存中占用的字节数。
- nbytes整型
存储数组数据所需的总字节数，即
itemsize * size。- ndim整型
数组的维度数量。
- shape整型元组
数组的形状。
- strides整型元组
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 序的连续
(3, 4)int16类型数组，其步幅为(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。要从一行移动到下一行，需要一次跳跃 8 字节（2 * 4）。- ctypesctypes 对象
包含与 ctypes 交互所需的数组属性的类。
- basendarray
如果数组是另一个数组的视图，则该数组是其 base（除非该数组也是一个视图）。该 base 数组是实际存储数组数据的地方。