numpy.empty_like#

numpy.empty_like(prototype, dtype=None, order='K', subok=True, shape=None, *, device=None)#

返回一个与给定数组具有相同形状和类型的新数组。

参数：

prototypearray_like: prototype 的形状和数据类型定义返回数组的这些相同属性。
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 顺序，'F' 表示 F 顺序，'A' 表示如果prototype 是 Fortran 连续的则为 'F'，否则为 'C'。'K' 表示尽可能紧密地匹配prototype 的布局。
subok布尔值，可选。: 如果为 True，则新创建的数组将使用prototype 的子类类型，否则它将是基类数组。默认为 True。
shape整数或整数序列，可选。: 覆盖结果的形状。如果 order='K' 且维度数量不变，将尝试保持顺序，否则，隐含 order='C'。
device字符串，可选: 放置创建数组的设备。默认值：None。仅用于数组 API 互操作性，因此如果传递，则必须为"cpu"。

2.0.0 版中的新功能。

返回值：

outndarray: 具有与prototype 相同形状和类型的未初始化（任意）数据的数组。

另请参见

ones_like: 返回一个具有输入形状和类型的全为一的数组。
zeros_like: 返回一个具有输入形状和类型的全为零的数组。
full_like: 返回一个具有输入形状并填充值的新的数组。
empty: 返回一个新的未初始化数组。

备注

与其他数组创建函数（例如zeros_like、ones_like、full_like）不同，empty_like不会初始化数组的值，因此速度可能稍快。但是，新分配的数组中存储的值是任意的。为了获得可重复的结果，请确保在读取之前设置数组的每个元素。

示例

>>> import numpy as np
>>> 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]])