numpy.require #

麻木的。require ( a , dtype = None ,要求= None , * , like = None ) [来源] #

返回满足要求的所提供类型的 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：

类似数组

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 None 保留当前数据类型。如果您的应用程序要求数据采用本机字节顺序，请将字节顺序规范作为数据类型规范的一部分包含在内。

要求str 或 str 序列

需求列表可以是以下任意一项

'F_CONTIGUOUS' ('F') - 确保 Fortran 连续数组
'C_CONTIGUOUS' ('C') - 确保 C 连续数组
'ALIGNED' ('A') - 确保数据类型对齐数组
'WRITEABLE' ('W') - 确保数组可写
'OWNDATA' ('O') - 确保数组拥有自己的数据
'ENSUREARRAY', ('E') - 确保基数组，而不是子类

类似array_like，可选

允许创建非 NumPy 数组的引用对象。如果传入的类似数组like支持__array_function__协议，则结果将由它定义。在这种情况下，它确保创建一个与通过此参数传入的数组对象兼容的数组对象。

1.20.0 版本中的新增功能。

返回：

输出数组: 具有指定要求和类型（如果给定）的数组。

也可以看看

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优先内存顺序的 ndarray。
ndarray.flags: 有关阵列内存布局的信息。

笔记

如果需要，将通过制作副本来保证返回的数组满足列出的要求。

例子

>>> 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