numpy.polynomial.polynomial.polydomain#
- polynomial.polynomial.polydomain = array([-1., 1.])#
ndarray(shape, dtype=None, buffer=None, offset=0, strides=None, order=None) –
ndarray(shape, dtype=float, buffer=None, offset=0, strides=None, order=None)
数组对象表示固定大小项的多维、同质数组。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、浮点数还是其他什么，等等）。
数组应使用
array、zeros或empty（请参阅下面的“另请参阅”部分）来构造。此处给出的参数指的是实例化数组的底层方法（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:
- （适用于 __new__ 方法；请参阅下面的“注释”）
- shape整数元组
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。默认为
numpy.float64。- buffer暴露 buffer 接口的对象，可选
用于用数据填充数组。
- offsetint, optional
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’}, optional
行主序（C 风格）或列主序（Fortran 风格）顺序。
另请参阅
array构造一个数组。
zeros创建一个数组，其每个元素都为零。
empty创建一个数组，但保持其已分配的内存不变（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是 通用类型。
备注
使用
__new__创建数组有两种模式：由于数组在
__new__方法之后已完全初始化，因此不需要__init__方法。示例
这些示例说明了低级的
ndarray构造函数。请参阅上面的 参见 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。
- databuffer
数组中的元素，在内存中。
- dtypedtype object
描述数组中元素的格式。
- flagsdict
包含与内存使用相关的信息的字典，例如“C_CONTIGUOUS”、“OWNDATA”、“WRITEABLE”等。
- flatnumpy.flatiter object
数组的展平版本，作为迭代器。该迭代器允许赋值，例如
x.flat = 3(赋值示例请参见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
数组的维度数。
- shape整数元组
数组的形状。
- stridestuple of ints
从一个元素移动到下一个元素在内存中所需的步长。例如，一个 C 顺序的、类型为
int16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下一个元素需要跳过 2 字节。要从一行移动到下一行，需要一次跳过 8 字节（2 * 4）。- ctypesctypes object
包含数组与 ctypes 交互所需的属性的类。
- basendarray
如果数组是另一个数组的视图，则该数组是它的 base（除非该数组本身也是视图）。base 数组是实际存储数组数据的数组。