Python numpy hermite_e.hermezero用法及代码示例

本文简要介绍 python 语言中 numpy.polynomial.hermite_e.hermezero 的用法。

用法:

polynomial.hermite_e.hermezero = 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)

数组应该使用numpy.array,numpy.zeros或者numpy.empty(请参阅下面的另请参阅部分)。这里给出的参数指的是低级方法(数组(…)) 用于实例化一个数组。

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 风格)或列优先(Fortran-style)顺序。

注意：

使用 __new__ 创建数组有两种模式：

1. 如果缓冲是无，那么只有numpy.shape,numpy.dtype， 和次序被使用。

2. 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：

这些例子说明了低级numpy.ndarray构造函数。请参阅也可以看看上面的部分是构建 ndarray 的更简单方法。

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

在内存中从一个元素移动到下一个元素所需的步长。例如，C-order 中类型为 int16 的连续 (3, 4) 数组具有步长 (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跳转 2 个字节。要从行移动到行，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。