numpy.ma.frombuffer#

ma.frombuffer(buffer, dtype=float, count=-1, offset=0, *, like=None)[源码]#

将缓冲区解释为一维数组。

参数:

bufferbuffer_like: 一个对象，它暴露了 buffer 接口。
dtype数据类型，可选: 返回数组的数据类型。默认是 numpy.float64。
countint, optional: 要读取的项目数。 -1 表示缓冲区中的所有数据。
offsetint, optional: 从该偏移量（以字节为单位）开始读取缓冲区；默认值：0。
likearray_like, optional: 用于创建非 NumPy 数组的引荐对象。如果传入的 like 支持 __array_function__ 协议，则结果将由它定义。在这种情况下，它确保创建与通过此参数传入的数组兼容的数组对象。

版本 1.20.0 中新增。

返回:

out: MaskedArray

另请参阅

ndarray.tobytes: 此操作的逆向操作，从数组中的原始数据字节构建 Python 字节。

备注

如果缓冲区中的数据不是机器字节序，则应在数据类型中指定，例如：

>>> dt = np.dtype(int)
>>> dt = dt.newbyteorder('>')
>>> np.frombuffer(buf, dtype=dt) 

结果数组的数据将不会被字节交换，但将被正确解释。

此函数会创建一个对原始对象的视图。这通常是安全的，但当原始对象是可变的或不受信任时，复制结果可能更有意义。

示例

>>> import numpy as np
>>> s = b'hello world'
>>> np.frombuffer(s, dtype='S1', count=5, offset=6)
array([b'w', b'o', b'r', b'l', b'd'], dtype='|S1')

>>> np.frombuffer(b'\x01\x02', dtype=np.uint8)
array([1, 2], dtype=uint8)
>>> np.frombuffer(b'\x01\x02\x03\x04\x05', dtype=np.uint8, count=3)
array([1, 2, 3], dtype=uint8)