numpy.require

原文：https://docs.scipy.org/doc/numpy/reference/generated/numpy.require.html

译者：飞龙 UsyiyiCN

校对：（虚位以待）

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

返回满足要求的所提供类型的数组。

此函数用于确保返回具有正确标志的数组以传递给编译代码（可能通过ctypes）。

参数：	a：array_like 要转换为满足类型和要求的数组的对象。 dtype：数据类型 所需的数据类型。如果无保留当前dtype。如果您的应用程序要求数据采用原生字节顺序，请将字节序规范作为dtype规范的一部分。 需求：str或str的列表 需求列表可以是以下任何一个 'F_CONTIGUOUS'（'F'） - 确保Fortran连续数组 'C_CONTIGUOUS'（'C'） - 确保一个C连续的数组 'ALIGNED'（'A'） - 确保数据类型对齐数组 'WRITEABLE'（'W'） - 确保可写数组 'OWNDATA'（'O'） - 确保数组拥有自己的数据 'ENSUREARRAY'，（'E'） - 确保基数组，而不是子类

也可以看看

asarray

将输入转换为ndarray。

asanyarray

转换为ndarray，但通过ndarray子类。

ascontiguousarray

将输入转换为连续数组。

asfortranarray

将输入转换为具有列主存储器顺序的ndarray。

ndarray.flags

有关数组的内存布局的信息。

笔记

如果需要，返回的数组将保证具有列出的需求。

例子

>>> x = np.arange(6).reshape(2,3)
>>> x.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : 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
  UPDATEIFCOPY : False