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