Python numpy.polynomial.hermite.hermzero用法及代码示例

用法: polynomial.hermite.hermzero = array([0])

数组对象表示一个多维、同质的固定大小项目数组。关联的数据类型对象说明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、浮点数还是其他东西等)

应使用 array 、 zeros 或 empty 构造数组(请参阅下面的另请参阅部分)。此处给出的参数是指用于实例化数组的低级方法 (ndarray(...))。

有关详细信息，请参阅numpy 模块并检查数组的方法和属性。

参数：

(for the __new__ method; see Notes below)：
shape：整数元组: 创建数组的形状。
dtype：数据类型，可选: 任何可以解释为 numpy 数据类型的对象。
buffer：对象暴露缓冲区接口，可选: 用于用数据填充数组。
offset：整数，可选: 缓冲区中数组数据的偏移量。
strides：整数元组，可选: 内存中的数据步长。
order： {‘C’, ‘F’}，可选: 行优先 (C-style) 或列优先 (Fortran-style) 顺序。

注意：

使用 __new__ 创建数组有两种模式：

如果 buffer 为 None，则仅使用 shape、dtype 和 order。
如果 buffer 是一个暴露缓冲区接口的对象，那么所有的关键字都会被解释。

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

例子：

这些示例说明了低级 ndarray 构造函数。有关构造 ndarray 的更简单方法，请参阅上面的另请参阅部分。

第一种模式，缓冲区为无：

>>> 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：

T： ndarray

数组的转置。

data：缓冲

数组的元素，在内存中。

dtype：数据类型对象

说明数组中元素的格式。

flags： dict

包含与内存使用相关的信息的字典，例如“C_CONTIGUOUS”、“OWNDATA”、“WRITEABLE”等。

flat： numpy.flatiter 对象

数组的扁平化版本作为迭代器。迭代器允许赋值，例如，x.flat = 3(赋值示例参见ndarray.flat；TODO)。

imag： ndarray

数组的虚部。

real： ndarray

数组的实部。

size： int

数组中的元素数。

itemsize： int

每个数组元素的内存使用量(以字节为单位)。

nbytes： int

存储数组数据所需的总字节数，即 itemsize * size 。

ndim： int

数组的维数。

shape：整数元组

阵列的形状。

strides：整数元组

从内存中的一个元素移动到下一个元素所需的step-size。例如，C-order 中类型为 int16 的连续 (3, 4) 数组具有跨步 (8, 2) 。这意味着在内存中从一个元素移动到另一个元素需要 2 个字节的跳转。要从 row-to-row 移动，需要一次跳转 8 个字节(2 * 4)。

ctypes： ctypes 对象

包含与 ctypes 交互所需的数组属性的类。

base： ndarray

如果数组是另一个数组的视图，则该数组是它的基础(除非该数组也是一个视图)。基本数组是实际存储数组数据的位置。

相关用法

注：本文由纯净天空筛选整理自numpy.org大神的英文原创作品 numpy.polynomial.hermite.hermzero。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。