Python numpy legendre.legzero用法及代碼示例

本文簡要介紹 python 語言中 numpy.polynomial.legendre.legzero 的用法。

用法:

polynomial.legendre.legzero = array([0])

數組對象表示一個多維、同質的固定大小項目數組。關聯的數據類型對象說明了數組中每個元素的格式(它的字節順序、它在內存中占用的字節數、它是整數、浮點數還是其他東西等)

數組應該使用numpy.array,numpy.zeros或者numpy.empty(請參閱下麵的另請參閱部分)。這裏給出的參數指的是低級方法(數組(…)) 用於實例化一個數組。

有關詳細信息，請參閱 numpy 模塊並檢查數組的方法和屬性。

參數：

(for the __new__ method; see Notes below)：

shape： 整數元組

創建數組的形狀。

dtype： 數據類型，可選

任何可以解釋為 numpy 數據類型的對象。

buffer： 對象暴露緩衝區接口，可選

用於用數據填充數組。

offset： 整數，可選

緩衝區中數組數據的偏移量。

strides： 整數元組，可選

內存中的數據步長。

order： {‘C’, ‘F’}，可選

行優先(C 風格)或列優先(Fortran-style)順序。

注意：

使用 __new__ 創建數組有兩種模式：

1. 如果緩衝是無，那麽隻有numpy.shape,numpy.dtype， 和次序被使用。

2. 如果 buffer 是一個暴露緩衝區接口的對象，那麽所有的關鍵字都會被解釋。

不需要__init__ 方法，因為數組在__new__ 方法之後完全初始化。

例子：

這些例子說明了低級numpy.ndarray構造函數。請參閱也可以看看上麵的部分是構建 ndarray 的更簡單方法。

第一種模式，緩衝區為無：

>>> np.ndarray(shape=(2,2), dtype=float, order='F')
array([[0.0e+000, 0.0e+000], # random
       [     nan, 2.5e-323]])

第二種模式：

>>> 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])

屬性：

T： ndarray

數組的轉置。

data： 緩衝

數組的元素，在內存中。

dtype： 數據類型對象

說明數組中元素的格式。

flags： dict

包含與內存使用相關的信息的字典，例如“C_CONTIGUOUS”、“OWNDATA”、“WRITEABLE”等。

flat： numpy.flatiter 對象

數組的扁平化版本作為迭代器。迭代器允許賦值，例如，x.flat = 3(賦值示例參見 ndarray.flat ；TODO)。

imag： ndarray

數組的虛部。

real： ndarray

數組的實部。

size： int

數組中的元素數。

itemsize： int

每個數組元素的內存使用量(以字節為單位)。

nbytes： int

存儲數組數據所需的總字節數，即 itemsize * size 。

ndim： int

數組的維數。

shape： 整數元組

陣列的形狀。

strides： 整數元組

在內存中從一個元素移動到下一個元素所需的步長。例如，C-order 中類型為 int16 的連續 (3, 4) 數組具有步長 (8, 2) 。這意味著在內存中從一個元素移動到另一個元素需要跳轉 2 個字節。要從行移動到行，需要一次跳轉 8 個字節 (2 * 4)。

ctypes： ctypes 對象

包含與 ctypes 交互所需的數組屬性的類。

base： ndarray

如果數組是另一個數組的視圖，則該數組是它的基礎(除非該數組也是一個視圖)。基本數組是實際存儲數組數據的位置。