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