numpy.full_like#

numpy.full_like(a, fill_value, dtype=None, order='K', subok=True, shape=None, *, device=None)[source]#

返回一个与给定数组形状和类型相同的填充数组。

参数:
aarray_like

a 的形状和数据类型定义了返回数组的相同属性。

fill_valuearray_like

填充值。

dtype数据类型,可选

覆盖结果的数据类型。

order{‘C’, ‘F’, ‘A’, or ‘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 a 是 Fortran 连续的则为 ‘F’,否则为 ‘C’。‘K’ 表示尽可能匹配 a 的布局。

subok布尔值,可选。

如果为 True,则新创建的数组将使用 a 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,默认为 order=’C’。

device字符串,可选

用于放置创建数组的设备。默认值:None。仅用于 Array-API 互操作性,因此如果传入,必须是 "cpu"

2.0.0 版本新增。

返回:
outndarray

一个与 a 具有相同形状和类型的 fill_value 填充数组。

另请参阅

empty_like

返回一个与输入具有相同形状和类型的空数组。

ones_like

返回一个与输入具有相同形状和类型的全一数组。

zeros_like

返回一个与输入具有相同形状和类型的全零数组。

full

返回一个给定形状并用指定值填充的新数组。

示例

>>> import numpy as np
>>> x = np.arange(6, dtype=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])
>>> y = np.zeros([2, 2, 3], dtype=int)
>>> np.full_like(y, [0, 0, 255])
array([[[  0,   0, 255],
        [  0,   0, 255]],
       [[  0,   0, 255],
        [  0,   0, 255]]])