Python numpy require用法及代碼示例

本文簡要介紹 python 語言中 numpy.require 的用法。

用法:

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

返回滿足要求的提供類型的 ndarray。

此函數有助於確保返回具有正確標誌的數組以傳遞給已編譯的代碼(可能通過 ctypes)。

參數：

a： array_like

要轉換為 type-and-requirement-satisfying 數組的對象。

dtype： 數據類型

所需的數據類型。如果 None 保留當前的 dtype。如果您的應用程序要求數據采用本機字節順序，請將字節順序規範作為 dtype 規範的一部分。

requirements： str 或 str 列表

需求列表可以是以下任何一種

• 'F_CONTIGUOUS' ('F') - 確保 Fortran-contiguous 數組

• 'C_CONTIGUOUS' ('C') - 確保 C-contiguous 數組

• ‘ALIGNED’ (‘A’) - 確保數據類型對齊數組

• ‘WRITEABLE’ (‘W’) - 確保一個可寫數組

• ‘OWNDATA’ (‘O’) - 確保數組擁有自己的數據

• 'ENSUREARRAY', ('E') - 確保一個基數組，而不是一個子類

like： array_like

允許創建非 NumPy 數組的引用對象。如果作為 like 傳入的類似數組支持 __array_function__ 協議，則結果將由它定義。在這種情況下，它確保創建一個與通過此參數傳入的數組對象兼容的數組對象。

返回：

out： ndarray

具有指定要求和類型的數組(如果給定)。

注意：

如果需要，將通過複製來保證返回的數組具有列出的要求。

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