La función numpy.require() es útil para la array cuando se devuelven los indicadores correctos y satisface los requisitos para pasar al código compilado (quizás a través de ctypes).
Sintaxis: numpy.require(a, dtype=Ninguno, requisitos=Ninguno)
Parámetros:
a : array_like
dtype : tipo de datos
requisitos: str o lista de str
La lista de requisitos puede ser cualquiera de los siguientes.
- ‘F’: ‘F_CONTIGUOUS’: garantiza una array contigua a Fortran.
- ‘C’: ‘C_CONTIGUOUS’: asegura una array C-contigua.
- ‘A’: ‘ALINEADO’: garantiza una array alineada de tipo de datos.
- ‘W’: ‘WRITABLE’: garantiza una array grabable.
- ‘O’: ‘OWNDATA’: asegura una array que posee sus propios datos.
- ‘E’: ‘ENSUREARRAY’: garantiza una array base, en lugar de una subclase.
Devoluciones: ndarray
Excepción: ValueError: genera ValueError
Código #1:
Python3
# Python program explaining # numpy.require() function # importing numpy import numpy as np # creating 4 x 4 array data = np.arange(16).reshape(4, 4) data.flags
Producción:
C_CONTIGUOUS : True F_CONTIGUOUS : False OWNDATA : False WRITABLE : True ALIGNED : True WRITEBACKIFCOPY : False UPDATEIFCOPY : False
Código #2:
Python3
import numpy as np # Python program explaining # numpy.require() b = np.require(data, dtype=np.float32, requirements=['A', 'W', 'O', 'C']) b.flags
Producción:
C_CONTIGUOUS : True F_CONTIGUOUS : False OWNDATA : True WRITABLE : True ALIGNED : True WRITEBACKIFCOPY : False UPDATEIFCOPY : False
Publicación traducida automáticamente
Artículo escrito por kumar_satyam y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA