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_likeor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]])