numpy.polynomial.legendre.legdomain#

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

ndarray(shape, dtype=None, buffer=None, offset=0, strides=None, order=None) –

ndarray(shape, dtype=float, buffer=None, offset=0, strides=None, order=None)

Объект массива представляет собой многомерный однородный массив элементов фиксированного размера. Связанный объект типа данных описывает формат каждого элемента в массиве (порядок байтов, сколько байтов он занимает в памяти, является ли он целым числом, числом с плавающей запятой, или чем-то ещё, и т.д.)

Массивы должны создаваться с использованием array, zeros или empty (см. раздел See Also ниже). Параметры, указанные здесь, относятся к низкоуровневому методу (ndarray(…)) для создания экземпляра массива.

Для получения дополнительной информации обратитесь к numpy модуль и изучите методы и атрибуты массива.

Параметры:

(для метода __new__; см. примечания ниже)
shapeкортеж целых чисел: Форма создаваемого массива.
dtypeтип данных, опционально: Любой объект, который может быть интерпретирован как тип данных numpy. По умолчанию numpy.float64.
bufferобъект, предоставляющий интерфейс буфера, необязательно: Используется для заполнения массива данными.
смещениеint, необязательный: Смещение данных массива в буфере.
stridesкортеж целых чисел, необязательный: Шаги данных в памяти.
порядок{'C', 'F'}, опционально: Порядок по строкам (C-стиль) или по столбцам (Fortran-стиль).

Смотрите также

array: Создание массива.
zeros: Создать массив, каждый элемент которого равен нулю.
empty: Создать массив, но оставить выделенную память неизменной (т.е. она содержит "мусор").
dtype: Создать тип данных.
numpy.typing.NDArray: Псевдоним ndarray общий относительно его dtype.type.

Примечания

Существует два режима создания массива с использованием __new__:

Если buffer равно None, тогда только shape, dtype, и порядок используются.
Если buffer является объектом, предоставляющим интерфейс буфера, тогда все ключевые слова интерпретируются.

Нет __init__ метод необходим, потому что массив полностью инициализирован после __new__ метод.

Примеры

Эти примеры иллюстрируют низкоуровневый ndarray конструктор. См. Смотрите также раздел выше для более простых способов создания ndarray.

Первый режим, buffer is None:

>>> import numpy as np
>>> 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.
данныеbuffer: Элементы массива в памяти.
dtypedtype object: Описывает формат элементов в массиве.
флагиdict: Словарь, содержащий информацию об использовании памяти, например, ‘C_CONTIGUOUS’, ‘OWNDATA’, ‘WRITEABLE’ и т.д.
flatобъект numpy.flatiter: Уплощённая версия массива в виде итератора. Итератор позволяет присваивания, например, x.flat = 3 (См. ndarray.flat для примеров присваивания; TODO).
imagndarray: Мнимая часть массива.
вещественныйndarray: Действительная часть массива.
размерint: Количество элементов в массиве.
itemsizeint: Использование памяти каждого элемента массива в байтах.
nbytesint: Общее количество байтов, необходимое для хранения данных массива, т.е., itemsize * size.
ndimint: Количество измерений массива.
shapeкортеж целых чисел: Форма массива.
stridesкортеж целых чисел: Шаг, необходимый для перехода от одного элемента к следующему в памяти. Например, непрерывный (3, 4) массив типа int16 в C-порядке имеет шаги (8, 2). Это означает, что для перехода от элемента к элементу в памяти требуются скачки по 2 байта. Для перехода от строки к строке нужно прыгать по 8 байтов за раз (2 * 4).
ctypesctypes объект: Класс, содержащий свойства массива, необходимые для взаимодействия с ctypes.
основаниеndarray: Если массив является представлением другого массива, этот массив является его основание (если этот массив также не является представлением). основание массив — это место, где фактически хранятся данные массива.