numpy.require

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

Возвращает ndarray заданного типа, удовлетворяющего требованиям.

Эта функция полезна для уверенности в том, что возвращается массив с правильными флагами для передачи в скомпилированный код (возможно, через ctypes).

Параметры

aarray_like

Объект, который необходимо преобразовать в массив, удовлетворяющий требованиям типа.

dtypeтип данных

Требуемый тип данных. Если None, сохраняется текущий тип данных. Если ваше приложение требует данных в родном байтовом порядке, включите спецификацию байтового порядка в спецификацию типа данных.

requirementsстрока или список строк

Список требований может быть любым из следующего:

• ‘F_CONTIGUOUS’ (‘F’) - обеспечить Фортран-непрерывный массив
• ‘C_CONTIGUOUS’ (‘C’) - обеспечить C-непрерывный массив
• ‘ALIGNED’ (‘A’) - обеспечить массив, выровненный по типу данных
• ‘WRITEABLE’ (‘W’) - обеспечить запись в массив
• ‘OWNDATA’ (‘O’) - обеспечить массив, владеющий собственными данными
• ‘ENSUREARRAY’, (‘E’) - обеспечить базовый массив, а не подкласс

likearray_like

Объект-ссылка для создания массивов, которые не являются массивами NumPy. Если переданный в like массив-подобный объект поддерживает __array_function__ протокол, результат будет определён им. В этом случае гарантируется создание объекта массива, совместимого с переданным через этот аргумент.

Добавлена в версии 1.20.0.

Возвращаемые значения

outndarray

Массив со специфицированными требованиями и типом, если задан.

См. также

asarray

Преобразование входных данных в ndarray.

asanyarray

Преобразование в ndarray, но пропускание подклассов ndarray.

ascontiguousarray

Преобразование входных данных в непрерывный массив.

asfortranarray

Преобразование входных данных в ndarray с упорядочиванием памяти по столбцам.

ndarray.flags

Информация о расположении памяти массива.

Примечания

Возвращаемый массив гарантированно будет соответствовать указанным требованиям, создавая копию при необходимости.

Примеры

>>> 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