numpy.require

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

Возвращает массив ndarray указанного типа, удовлетворяющий требованиям.

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

Параметры:

aarray_like

Объект, который должен быть преобразован в массив, удовлетворяющий типу и требованиям.

dtypeтип данных

Требуемый тип данных. Если None, сохраняется текущий тип данных. Если в вашем приложении требуется, чтобы данные были в родном порядке байтов, добавьте спецификацию порядка байтов как часть спецификации типа данных.

requirementsстрока или последовательность строк

Список требований может быть любым из следующих

• ‘F_CONTIGUOUS’ (‘F’) - гарантирует Fortran-непрерывный массив
• ‘C_CONTIGUOUS’ (‘C’) - гарантирует C-непрерывный массив
• ‘ALIGNED’ (‘A’) - гарантирует выровненный тип данных массив
• ‘WRITEABLE’ (‘W’) - гарантирует доступный для записи массив
• ‘OWNDATA’ (‘O’) - гарантирует массив, который владеет своими данными
• ‘ENSUREARRAY’, (‘E’) - гарантирует базовый массив, а не подкласс

likearray_like, необязательно

Ссылка на объект для создания массивов, которые не являются массивами NumPy. Если переданный массив-подобный объект like поддерживает протокол __array_function__, результат будет определён им. В этом случае это гарантирует создание объекта массива, совместимого с переданным аргументом.

Новое в версии 1.20.0.

Возвращает:

outndarray

Массив с указанными требованиями и типом, если он задан.

См. также

asarray

Преобразовать вход в ndarray.

asanyarray

Преобразовать в ndarray, но пройти по подклассам ndarray.

ascontiguousarray

Преобразовать вход в непрерывный массив.

asfortranarray

Преобразовать вход в ndarray с порядком памяти по столбцам.

ndarray.flags

Информация о расположении памяти в массиве.

Примечания

Возвращаемый массив гарантированно будет удовлетворять перечисленным 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

>>> 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