numpy.full_like #
- 麻木的。full_like ( a , fill_value , dtype = None , order = 'K' , subok = True , shape = None ) [来源] #
返回与给定数组具有相同形状和类型的完整数组。
- 参数:
- 类似数组
a的形状和数据类型定义了返回数组的相同属性。
- 类似数组的填充值
填充值。
- dtype数据类型,可选
覆盖结果的数据类型。
- 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a是 Fortran 连续的,'A' 表示 'F',否则为 'C'。 'K' 表示尽可能匹配a的布局。
- subok布尔,可选。
如果为 True,则新创建的数组将使用a的子类类型,否则它将是基类数组。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
fill_value数组,其形状和类型与a相同。
也可以看看
empty_like
返回一个具有输入形状和类型的空数组。
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
返回填充有值的给定形状的新数组。
例子
>>> x = np.arange(6, dtype=int) >>> np.full_like(x, 1) array([1, 1, 1, 1, 1, 1]) >>> np.full_like(x, 0.1) array([0, 0, 0, 0, 0, 0]) >>> np.full_like(x, 0.1, dtype=np.double) array([0.1, 0.1, 0.1, 0.1, 0.1, 0.1]) >>> np.full_like(x, np.nan, dtype=np.double) array([nan, nan, nan, nan, nan, nan])
>>> y = np.arange(6, dtype=np.double) >>> np.full_like(y, 0.1) array([0.1, 0.1, 0.1, 0.1, 0.1, 0.1])
>>> y = np.zeros([2, 2, 3], dtype=int) >>> np.full_like(y, [0, 0, 255]) array([[[ 0, 0, 255], [ 0, 0, 255]], [[ 0, 0, 255], [ 0, 0, 255]]])