numpy.polynomial.chebyshev.chebone #

多项式.切比雪夫。chebone =数组([1]) #

数组对象表示固定大小项的多维同构数组。关联的数据类型对象描述了数组中每个元素的格式（它的字节顺序、它在内存中占用多少字节、它是整数、浮点数还是其他值等）

数组应该使用array,zeros或来构造empty（请参阅下面的“另请参阅”部分）。这里给出的参数指的是用于实例化数组的低级方法（ndarray(…) ）。

有关更多信息，请参阅该numpy模块并检查数组的方法和属性。

参数：

（对于 __new__ 方法；请参阅下面的注释）
整数的形状元组: 创建的数组的形状。
dtype数据类型，可选: 任何可以解释为 numpy 数据类型的对象。
缓冲区对象公开缓冲区接口，可选: 用于用数据填充数组。
偏移量int，可选: 缓冲区中数组数据的偏移量。
strides整数元组，可选: 内存中数据的跨步。
订单{'C', 'F'}，可选: 行优先（C 风格）或列优先（Fortran 风格）顺序。

也可以看看

array: 构造一个数组。
zeros: 创建一个数组，每个元素为零。
empty: 创建一个数组，但保持其分配的内存不变（即，它包含“垃圾”）。
dtype: 创建数据类型。
numpy.typing.NDArray: ndarray的通用 dtype.type别名。

笔记

有两种创建数组的模式__new__：

如果buffer为 None，则仅使用shape、dtype和order 。
如果buffer是公开缓冲区接口的对象，则解释所有关键字。

不需要任何__init__方法，因为数组在__new__方法之后已完全初始化。

例子

这些示例说明了低级ndarray构造函数。请参阅上面的“另请参阅”部分，了解构造 ndarray 的更简单方法。

第一种模式，缓冲区为 None：

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

第二种模式：

>>> 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])

属性：

数组: 数组的转置。
数据缓冲区: 数组的元素，在内存中。
数据类型数据类型对象: 描述数组中元素的格式。
标志字典: 包含与内存使用相关的信息的字典，例如“C_CONTIGUOUS”、“OWNDATA”、“WRITEABLE”等。
平面numpy.flatiter 对象: 作为迭代器的数组的扁平化版本。迭代器允许赋值，例如（参见赋值示例；TODO）。x.flat = 3ndarray.flat
图像数组: 数组的虚部。
实数数组: 数组的实部。
大小整数: 数组中的元素数量。
项目大小整数: 每个数组元素的内存使用量（以字节为单位）。
nbytes整数: 存储数组数据所需的总字节数，即。itemsize * size
恩迪姆整数: 数组的维数。
整数的形状元组: 阵列的形状。
strides整数元组: 在内存中从一个元素移动到下一个元素所需的步长。例如，C 顺序类型的连续数组具有 strides 。这意味着在内存中从一个元素移动到另一个元素需要跳转 2 个字节。要从行移动到行，需要一次跳转 8 个字节 ( )。(3, 4)int16(8, 2)2 * 4
ctypes ctypes 对象: 包含与 ctypes 交互所需的数组属性的类。
基本数组: 如果该数组是另一个数组的视图，则该数组是其基础（除非该数组也是视图）。基数组是实际存储数组数据的地方。