numpy.polynomial.polynomial.polyzero#

polynomial.polynomial.polyzero = array([0])#

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（请参考下面的“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；请参阅下面的说明）
shapeints 的元组: 创建数组的形状。
dtype数据类型，可选: 任何可以解释为 NumPy 数据类型的对象。
buffer暴露缓冲区接口的对象，可选: 用于用数据填充数组。
offsetint，可选: 缓冲区中数组数据的偏移量。
stridesints 的元组，可选: 内存中数据的步长。
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，但其分配的内存保持不变（即，它包含“垃圾”）。
dtype: 创建数据类型。
numpy.typing.NDArray: 一个 ndarray 别名，相对于其 dtype.type 而言是泛型的。

说明

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 是一个暴露缓冲区接口的对象，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

这些示例说明了低级 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。
data缓冲区: 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 对象: 数组的扁平化版本，作为迭代器。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: 数组的维数。
shapeints 的元组: 数组的形状。
stridesints 的元组: 在内存中从一个元素移动到下一个元素所需的步长。例如，一个类型为 int16 的 C 顺序的连续 (3, 4) 数组的步长为 (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。从一行移动到另一行，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（除非该数组也是视图）。base 数组是实际存储数组数据的地方。