Python numpy require用法及代码示例

本文简要介绍 python 语言中 numpy.require 的用法。

用法:

numpy.require(a, dtype=None, requirements=None, *, like=None)

返回满足要求的提供类型的 ndarray。

此函数有助于确保返回具有正确标志的数组以传递给已编译的代码(可能通过 ctypes)。

参数：

a： array_like

要转换为 type-and-requirement-satisfying 数组的对象。

dtype： 数据类型

所需的数据类型。如果 None 保留当前的 dtype。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 dtype 规范的一部分。

requirements： str 或 str 列表

需求列表可以是以下任何一种

• 'F_CONTIGUOUS' ('F') - 确保 Fortran-contiguous 数组

• 'C_CONTIGUOUS' ('C') - 确保 C-contiguous 数组

• ‘ALIGNED’ (‘A’) - 确保数据类型对齐数组

• ‘WRITEABLE’ (‘W’) - 确保一个可写数组

• ‘OWNDATA’ (‘O’) - 确保数组拥有自己的数据

• 'ENSUREARRAY', ('E') - 确保一个基数组，而不是一个子类

like： array_like

允许创建非 NumPy 数组的引用对象。如果作为 like 传入的类似数组支持 __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。

返回：

out： ndarray

具有指定要求和类型的数组(如果给定)。

注意：

如果需要，将通过复制来保证返回的数组具有列出的要求。

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
  UPDATEIFCOPY : 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
  UPDATEIFCOPY : False