numpy.full_like¶
-
numpy.
full_like
(a, fill_value, dtype=None, order='K', subok=True)[source]¶ 返回与给定数组相同形状和类型的完整数组。
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。
fill_value:标量
填充值。
dtype:数据类型,可选
覆盖结果的数据类型。
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。
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fill_value的数组。
也可以看看
zeros_like
- 返回具有输入的形状和类型的零数组。
ones_like
- 返回具有输入的形状和类型的数组。
empty_like
- 返回一个具有输入形状和类型的空数组。
zeros
- 将新的数组设置值返回为零。
ones
- 将新的数组设置值返回为1。
empty
- 返回一个新的未初始化数组。
full
- 填写新的数组。
例子
>>> x = np.arange(6, dtype=np.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])