numpy.polynomial.polynomial.polyx#

polynomial.polynomial.polyx = array([0, 1])#

数组对象表示一个多维的、同质的、固定大小的项的数组.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、它在内存中占用的字节数、它是整数、浮点数还是其他什么等）.

数组应使用 array、zeros 或 empty 构造（参见下面的另请参阅部分）.这里给出的参数指的是用于实例化数组的低级方法（ndarray(…)）.

更多信息,请参考 numpy 模块并检查数组的方法和属性.

参数:
（用于 __new__ 方法;见下面的注释）
shapeints 的元组

创建数组的形状.

dtype数据类型, 可选

任何可以被解释为 numpy 数据类型的对象.

buffer暴露缓冲接口的对象,可选

用于填充数组数据.

offsetint, 可选

缓冲区中数组数据的偏移量.

strides整数元组,可选

内存中数据的步幅.

order{‘C’, ‘F’}, 可选

行优先（C语言风格）或列优先（Fortran风格）顺序.

参见

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 通用 相对于其 dtype.type.

备注

使用 __new__ 创建数组有两种模式:

  1. 如果 buffer 是 None,那么只使用 shape、dtype 和 order.

  2. 如果 buffer 是一个暴露了缓冲接口的对象,那么所有关键字都会被解释.

不需要 __init__ 方法,因为数组在 __new__ 方法之后完全初始化.

示例

这些示例展示了低级别的 ndarray 构造函数.请参阅上面的 另请参阅 部分,了解更简便的 ndarray 构造方法.

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

数组的元素,在内存中.

dtypedtype 对象

描述数组中元素的格式.

flagsdict

包含与内存使用相关信息的字典,例如 ‘C_CONTIGUOUS’, ‘OWNDATA’, ‘WRITEABLE’ 等.

flatnumpy.flatiter 对象

数组的扁平化版本作为一个迭代器.迭代器允许赋值,例如,``x.flat = 3``（参见 ndarray.flat 的赋值示例;待办）.

imagndarray

数组的虚部.

realndarray

数组的实部.

sizeint

数组中的元素数量.

itemsizeint

每个数组元素在字节中的内存使用情况.

nbytesint

存储数组数据所需的总字节数,即 itemsize * size.

ndimint

数组的维数.

shapeints 的元组

数组的形状.

stridesints 的元组

从一个元素移动到内存中的下一个元素所需的步长.例如,一个连续的 (3, 4) 类型的 int16 数组在 C 顺序下有步长 (8, 2).这意味着要在内存中从一个元素移动到下一个元素需要跳跃 2 字节.要从一行移动到另一行,每次需要跳跃 8 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,那么该数组是其 base`（除非该数组也是一个视图）.`base 数组是实际存储数组数据的地方.

On this page