numpy.require#

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

返回一个满足指定要求的 ndarray。

此函数可确保返回一个具有正确标志的数组，以便传递给编译后的代码（可能通过 ctypes）。

参数：
aarray_like

要转换为满足类型和要求限制的数组的对象。

dtype数据类型

所需的数据类型。如果为 None，则保留当前数据类型。如果您的应用程序要求数据采用原生字节序，请在 dtype 规范中包含字节序规范。

requirementsstr 或 str 序列

要求列表可以是以下任意项：

  • ‘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，而不是子类

likearray_like, 可选

参考对象，允许创建非 NumPy 数组。如果作为 like 传入的类数组对象支持 __array_function__ 协议，则结果将由其定义。在这种情况下，它确保创建与通过此参数传入的对象兼容的数组对象。

1.20.0 版本新增。

返回：
outndarray

具有指定要求和（如果给定）类型的数组。

另请参阅

asarray

将输入转换为 ndarray。

asanyarray

转换为 ndarray，但允许 ndarray 子类通过。

ascontiguousarray

将输入转换为连续数组。

asfortranarray

将输入转换为列主序内存排列的 ndarray。

ndarray.flags

关于数组内存布局的信息。

注意

如果需要，返回的数组将通过复制来确保满足所列要求。

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
在此页上