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:
prototype类数组

prototype 的形状和数据类型定义了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，否则它将是一个基类数组。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，则会尝试保持原有顺序；否则，将默认为 order=’C’。

device字符串，可选

创建的数组放置的设备。默认值：None。仅用于 Array-API 互操作性，如果传递了值，则必须是 "cpu"。

2.0.0 版新增。

返回:
outndarray

具有与 prototype 相同形状和类型的未初始化（任意）数据数组。

另请参阅

ones_like

返回一个与输入具有相同形状和类型且元素全为 1 的数组。

zeros_like

返回一个与输入具有相同形状和类型且元素全为 0 的数组。

full_like

返回一个与输入具有相同形状且填充指定值的新数组。

empty

返回一个未初始化的新数组。

注意

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，因此可能略快一些。然而，新分配的数组中存储的值是任意的。为了获得可重现的行为，请务必在读取数组的每个元素之前对其进行设置。

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]])
在本页