numpy.polynomial.polynomial.polydomain#
- polynomial.polynomial.polydomain = array([-1., 1.])#
数组对象表示一个多维、同质的、固定大小的元素数组。一个相关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、它在内存中占用的字节数、它是一个整数、一个浮点数还是其他类型等等）。
应该使用
array,zeros或empty来构造数组（请参阅下面的“另请参阅”部分）。这里给出的参数指的是一个用于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:
- （用于 __new__ 方法；请参阅下面的“说明”）
- shape整数元组
创建的数组的形状。
- dtype数据类型，可选
任何可以被解释为 NumPy 数据类型的对象。
- buffer公开 buffer 接口的对象，可选
用于用数据填充数组。
- offset整数，可选
数组数据在缓冲区中的偏移量。
- strides整数元组，可选
数据在内存中的步幅。
- 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，其每个元素都为零。
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关于其
dtype.type的 ndarray 别名 泛型。
说明
有两种使用
__new__创建数组的模式不需要
__init__方法，因为数组在__new__方法之后完全初始化。示例
这些示例说明了底层
ndarray构造函数。有关构造 ndarray 的更简单方法，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。
- databuffer
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的信息的字典，例如，‘C_CONTIGUOUS’、‘OWNDATA’、‘WRITEABLE’ 等。
- flatnumpy.flatiter 对象
作为迭代器的数组的展平版本。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
数组中的元素数量。
- itemsize整数
每个数组元素在内存中使用的字节数。
- nbytes整数
存储数组数据所需的总字节数，即
itemsize * size。- ndim整数
数组的维度数。
- 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，C 顺序中类型为
int16的连续(3, 4)数组的步幅为(8, 2)。这意味着要从内存中的一个元素移动到下一个元素，需要跳过 2 个字节。要从行到行移动，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
如果数组是另一个数组的视图，则该数组是其 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。