numpy.polynomial.hermite.hermx#

polynomial.hermite.hermx = array([0. , 0.5])#

数组对象表示固定大小项目的多维同质数组。关联的数据类型对象描述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）。

应使用 array、zeros 或 empty 构建数组（请参阅下面的“另请参阅”部分）。此处给出的参数是指实例化数组的底层方法 (ndarray(…))。

有关详细信息，请参阅 numpy 模块，并检查数组的方法和属性。

参数:

（对于 __new__ 方法；请参阅下面的注释）
shape整数元组: 创建的数组的形状。
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: 缓冲区中数组数据的偏移量。
strides整数元组，可选: 内存中数据的步幅。
order{‘C’，‘F’}，可选: 行优先（C 样式）或列优先（Fortran 样式）顺序。

另请参阅

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，但使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: 关于其 dtype.type 的 ndarray 别名 generic。

注释

使用 __new__ 创建数组有两种模式

如果 buffer 为 None，则仅使用 shape、dtype 和 order。
如果 buffer 是公开缓冲区接口的对象，则解释所有关键字。

不需要 __init__ 方法，因为在 __new__ 方法之后数组已完全初始化。

示例

这些示例说明了底层的 ndarray 构造函数。有关更简单的构造 ndarray 的方法，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，存储在内存中。
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: 作为迭代器的数组的扁平化版本。迭代器允许赋值，例如，x.flat = 3（有关赋值示例，请参阅 ndarray.flat；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: 每个数组元素使用的内存（以字节为单位）。
nbytes整数: 存储数组数据所需的总字节数，即 itemsize * size。
ndim整数: 数组的维数。
shape整数元组: shape整数元组
数组的形状。: strides整数元组
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，则该数组是它的 base（除非该数组也是一个视图）。base 数组是实际存储数组数据的位置。