numpy.polynomial.legendre.legzero#

polynomial.legendre.legzero = array([0])#

数组对象表示一个多维的、同构的、固定大小的项数组。一个关联的数据类型对象描述了数组中每个元素的格式（它的字节顺序、它在内存中占用多少字节、它是否是一个整数、一个浮点数或其他东西等等）。

数组应该使用 array、zeros 或 empty 来构建（请参阅下面的“另请参阅”部分）。这里给出的参数是指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：:

(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: 内存中数据的步长。
order{‘C’, ‘F’}，可选: 行优先（C 风格）或列优先（Fortran 风格）顺序。

另请参阅

array: 构造一个数组。
zeros: 创建一个数组，每个元素都是零。
empty: 创建一个数组，但保持其分配的内存不变（即，它包含“垃圾”）。
dtype: 创建一个数据类型。
numpy.typing.NDArray: 一个 ndarray 别名泛型关于它的 dtype.type.

注释

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

这些示例说明了低级 ndarray 构造函数。请参阅上面的“另请参阅”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。
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。
flags字典: 包含与内存使用相关信息的字典，例如 'C_CONTIGUOUS'、'OWNDATA'、'WRITEABLE' 等等。
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（请参阅 ndarray.flat 获取赋值示例；TODO）。
imagndarray: 数组的虚部。
realndarray: 数组的实部。
size整数: 数组中的元素数量。
itemsize整数: 每个数组元素在内存中的使用量，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: 数组的形状。
strides整数元组: 在内存中从一个元素移动到下一个元素所需的步长。例如，一个连续的 (3, 4) 数组，类型为 int16，C 顺序，其步长为 (8, 2)。这意味着在内存中从一个元素移动到下一个元素需要跳过 2 个字节。为了从一行移动到下一行，需要一次跳过 8 个字节 (2 * 4)。
ctypesctypes 对象: 包含与 ctypes 交互所需的数组属性的类。
basendarray: 如果数组是对另一个数组的视图，那么该数组就是它的 base（除非该数组也是视图）。base 数组是实际存储数组数据的位置。