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。

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。

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])