numpy.empty_like #
- 麻木的。empty_like (原型, dtype = None , order = 'K' , subok = True , shape = None ) #
返回与给定数组具有相同形状和类型的新数组。
- 参数:
- 类似数组的原型
原型的形状和数据类型定义了返回数组的相同属性。
- dtype数据类型,可选
覆盖结果的数据类型。
1.6.0 版本中的新增功能。
- 顺序{'C'、'F'、'A' 或 'K'},可选
覆盖结果的内存布局。 “C”表示 C 阶,“F”表示 F 阶,如果原型是 Fortran 连续,则“A”表示“F”,否则表示“C”。 “K”表示 尽可能匹配原型的布局。
1.6.0 版本中的新增功能。
- subok布尔,可选。
如果为True,则新创建的数组将使用prototype的子类类型,否则为基类数组。默认为 True。
- shape int 或整数序列,可选。
覆盖结果的形状。如果 order='K' 并且维度数不变,将尝试保持顺序,否则,隐含 order='C'。
1.17.0 版本中的新增功能。
- 返回:
- 输出数组
与原型具有相同形状和类型的未初始化(任意)数据的数组。
也可以看看
ones_like
返回具有输入形状和类型的数组。
zeros_like
返回具有输入形状和类型的零数组。
full_like
返回一个新数组,其输入形状填充有值。
empty
返回一个新的未初始化的数组。
笔记
该函数不会初始化返回的数组;使用
zeros_like
or来做到这ones_like
一点。它可能比设置数组值的函数稍微快一些。例子
>>> a = ([1,2,3], [4,5,6]) # a is array-like >>> np.empty_like(a) array([[-1073741821, -1073741821, 3], # uninitialized [ 0, 0, -1073741821]]) >>> a = np.array([[1., 2., 3.],[4.,5.,6.]]) >>> np.empty_like(a) array([[ -2.00000715e+000, 1.48219694e-323, -2.00000572e+000], # uninitialized [ 4.38791518e-305, -2.00000715e+000, 4.17269252e-309]])