numpy.polynomial.legendre.legdomain

polynomial.legendre.legdomain=array([-1., 1.])

Массив представляет собой многомерный однородный массив фиксированного размера элементов. Соответствующий объект типа данных описывает формат каждого элемента массива (его порядок байтов, количество байтов, занимаемых в памяти, является ли он целым числом, числом с плавающей точкой или чем-то другим и т. д.).

Массивы должны создаваться с помощью array, zeros или empty (см. раздел «См. также» ниже). Приведенные здесь параметры относятся к низкоуровневому методу (ndarray(…)) для создания массива.

Дополнительную информацию см. в модуле numpy и изучите методы и атрибуты массива.

Параметры:

(для метода __new__; см. Примечания ниже)

shapeкортеж целых чисел

Форма создаваемого массива.

dtypeтип данных, необязательно

Любой объект, который может быть интерпретирован как тип данных numpy.

bufferобъект, экспонирующий интерфейс буфера, необязательно

Используется для заполнения массива данными.

offsetцелое число, необязательно

Смещение данных массива в буфере.

stridesкортеж целых чисел, необязательно

Шаги данных в памяти.

order{‘C’, ‘F’}, необязательно

Строчный (стиль C) или столбцовый (стиль Fortran) порядок.

См. также

array

Создать массив.

zeros

Создать массив, каждый элемент которого равен нулю.

empty

Создать массив, но оставить его выделенную память неизменной (т. е. она содержит «мусор»).

dtype

Создать тип данных.

numpy.typing.NDArray

Псевдоним ndarray обобщенный относительно его dtype.type.

Примечания

Существует два способа создания массива с помощью __new__:

1. Если buffer равно None, то используются только shape, dtype и order.
2. Если buffer является объектом, экспонирующим интерфейс буфера, то все ключевые слова интерпретируются.

Метод __init__ не нужен, так как массив полностью инициализируется после метода __new__.

Примеры

Эти примеры иллюстрируют низкоуровневый конструктор ndarray. Обратитесь к разделу See Also выше для более простых способов создания ndarray.

Первый режим, buffer равно None:

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

Второй режим:

>>> 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])

Атрибуты:

Tndarray

Транспонирование массива.

dataбуфер

Элементы массива в памяти.

dtypeобъект dtype

Описывает формат элементов в массиве.

flagsсловарь

Словарь, содержащий информацию, связанную с использованием памяти, например, ‘C_CONTIGUOUS’, ‘OWNDATA’, ‘WRITEABLE’ и т. д.

flatобъект numpy.flatiter

Расплющенная версия массива в виде итератора. Итератор допускает присваивания, например, x.flat = 3 (см. ndarray.flat для примеров присваивания; TODO).

imagndarray

Мнимая часть массива.

realndarray

Вещественная часть массива.

sizeцелое число

Количество элементов в массиве.

itemsizeцелое число

Использование памяти каждого элемента массива в байтах.

nbytesцелое число

Общее количество байтов, необходимых для хранения данных массива, т. е., itemsize * size.

ndimцелое число

Количество измерений массива.

shapeкортеж целых чисел

Форма массива.

stridesкортеж целых чисел

Размер шага, необходимый для перемещения от одного элемента к следующему в памяти. Например, непрерывный (3, 4) массив типа int16 в порядке C имеет шаги (8, 2). Это подразумевает, что для перемещения от элемента к элементу в памяти требуются скачки по 2 байта. Для перемещения из строки в строку требуется прыжок на 8 байтов (2 * 4).

ctypesобъект ctypes

Класс, содержащий свойства массива, необходимые для взаимодействия с ctypes.

basendarray

Если массив является представлением другого массива, этот массив является его base (если этот массив также является представлением). В массиве base фактически хранятся данные массива.