numpy.empty_like¶
-
numpy.
empty_like
(a, dtype=None, order='K', subok=True)¶ 返回具有与给定数组相同的形状和类型的新数组。
参数: a:array_like
a的形状和数据类型定义返回的数组的这些相同的属性。
dtype:数据类型,可选
覆盖结果的数据类型。
版本1.6.0中的新功能。
order:{'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,'A'表示如果
a
是Fortran连续的'F',否则为'C'。'K'表示尽可能接近a
的布局。版本1.6.0中的新功能。
subok:bool,可选。
如果为True,那么新创建的数组将使用子类类型'a',否则将是一个基类数组。默认为True。
返回: out:ndarray
具有与a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
- 返回具有输入的形状和类型的数组。
zeros_like
- 返回具有输入的形状和类型的零数组。
empty
- 返回一个新的未初始化数组。
ones
- 将新的数组设置值返回为1。
zeros
- 将新的数组设置值返回为零。
笔记
此函数不初始化返回的数组;可以使用
zeros_like
或ones_like
来代替。它可能会稍微快于设置数组值的函数。例子
>>> a = ([1,2,3], [4,5,6]) # a is array-like >>> np.empty_like(a) array([[-1073741821, -1073741821, 3], #random [ 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],#random [ 4.38791518e-305, -2.00000715e+000, 4.17269252e-309]])