用法：
MaskedArray.view(dtype=None, type=None)具有相同數據的數組的新視圖。
參數： - dtype： ： data-type 或 ndarray sub-class, 可選參數
返回視圖的數據類型描述符，例如float32或int16。默認值為None(無)，導致視圖具有與a相同的數據類型。此參數也可以指定為ndarray sub-class，然後它指定返回對象的類型(這等效於設置
type參數)。- type： ： Python type, 可選參數
返回視圖的類型，例如ndarray或matrix。同樣，默認值None將導致類型保留。
注意：
a.view()有兩種不同的用法：a.view(some_dtype)或者a.view(dtype=some_dtype)使用不同的數據類型構造陣列內存的視圖。這可能導致對內存字節的重新解釋。a.view(ndarray_subclass)或者a.view(type=ndarray_subclass)隻是返回一個ndarray_subclass實例，該實例看起來在相同的數組(相同的形狀，dtype等)。這不會導致對內存的重新解釋。對於
a.view(some_dtype)如果some_dtype每個條目的字節數與以前的dtype的字節數不同(例如，將常規數組轉換為結構化數組)，則無法僅根據的表麵外觀來預測視圖的行為a(顯示為print(a))。這也取決於具體如何a存儲在內存中。因此，如果a如果將C-ordered與fortran-ordered進行比較，並且將其定義為切片或轉置等，則視圖可能會給出不同的結果。例子：
>>> x = np.array([(1, 2)], dtype=[('a', np.int8), ('b', np.int8)])使用不同的type和dtype查看數組數據：
>>> y = x.view(dtype=np.int16, type=np.matrix) >>> y matrix([[513]], dtype=int16) >>> print(type(y)) <class 'numpy.matrix'>在結構化數組上創建視圖，以便可以在計算中使用它
>>> x = np.array([(1, 2),(3,4)], dtype=[('a', np.int8), ('b', np.int8)]) >>> xv = x.view(dtype=np.int8).reshape(-1,2) >>> xv array([[1, 2], [3, 4]], dtype=int8) >>> xv.mean(0) array([2., 3.])對視圖進行更改會更改基礎數組
>>> xv[0,1] = 20 >>> x array([(1, 20), (3, 4)], dtype=[('a', 'i1'), ('b', 'i1')])使用視圖將數組轉換為RecArray：
>>> z = x.view(np.recarray) >>> z.a array([1, 3], dtype=int8)視圖共享數據：
>>> x[0] = (9, 10) >>> z[0] (9, 10)通常應在由切片，轉置，fortran-ordering等定義的數組上避免更改dtype大小(每個條目的字節數)的視圖：
>>> x = np.array([[1,2,3],[4,5,6]], dtype=np.int16) >>> y = x[:, 0:2] >>> y array([[1, 2], [4, 5]], dtype=int16) >>> y.view(dtype=[('width', np.int16), ('length', np.int16)]) Traceback (most recent call last): ... ValueError:To change to a dtype of a different size, the array must be C-contiguous >>> z = y.copy() >>> z.view(dtype=[('width', np.int16), ('length', np.int16)]) array([[(1, 2)], [(4, 5)]], dtype=[('width', '<i2'), ('length', '<i2')])
源碼：
numpy.ma.MaskedArray.view的API實現見：[源代碼]
注：本文由純淨天空篩選整理自 numpy.ma.MaskedArray.view。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。