numpy.require#
- numpy.require(a, dtype=None, requirements=None, *, like=None)[source]#
返回满足要求的指定类型的 ndarray。
此函数对于确保返回具有正确标志的数组以传递给编译代码(可能通过 ctypes)很有用。
- 参数:
- aarray_like
要转换为满足类型和要求的数组的对象。
- dtype数据类型
所需的数据类型。如果为 None,则保留当前 dtype。如果您的应用程序要求数据为本机字节序,请将字节序规范作为 dtype 规范的一部分包含在内。
- requirementsstr 或 str 序列
要求列表可以是以下任何一个
‘F_CONTIGUOUS’ (‘F’) - 确保一个 Fortran 连续数组
‘C_CONTIGUOUS’ (‘C’) - 确保一个 C 连续数组
‘ALIGNED’ (‘A’) - 确保一个数据类型对齐的数组
‘WRITEABLE’ (‘W’) - 确保一个可写的数组
‘OWNDATA’ (‘O’) - 确保一个拥有自身数据的数组
‘ENSUREARRAY’, (‘E’) - 确保一个基础数组,而不是子类
- likearray_like,可选
参考对象,允许创建非 NumPy 数组的数组。如果作为
like
传入的类数组支持__array_function__
协议,则结果将由其定义。在这种情况下,它确保创建与通过此参数传入的数组对象兼容的数组对象。版本 1.20.0 中的新功能。
- 返回值:
- outndarray
如果给出,则具有指定要求和类型的数组。
另请参阅
asarray
将输入转换为 ndarray。
asanyarray
转换为 ndarray,但传递 ndarray 子类。
ascontiguousarray
将输入转换为连续数组。
asfortranarray
将输入转换为具有列主内存顺序的 ndarray。
ndarray.flags
有关数组内存布局的信息。
备注
如果需要,返回的数组将保证通过复制来满足列出的要求。
示例
>>> import numpy as np >>> x = np.arange(6).reshape(2,3) >>> x.flags C_CONTIGUOUS : True F_CONTIGUOUS : False OWNDATA : False WRITEABLE : True ALIGNED : True WRITEBACKIFCOPY : False
>>> y = np.require(x, dtype=np.float32, requirements=['A', 'O', 'W', 'F']) >>> y.flags C_CONTIGUOUS : False F_CONTIGUOUS : True OWNDATA : True WRITEABLE : True ALIGNED : True WRITEBACKIFCOPY : False