numpy.ones_like#

numpy.ones_like(a, 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全一数组。

参数：

a类数组: a 的形状和数据类型定义了返回数组的相同属性。
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-序，'F' 表示 F-序，'A' 表示如果 a 是 Fortran 连续则为 '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，将尝试保持顺序，否则隐含 `order='C'`。
device字符串，可选: 创建数组时放置到的设备。默认值：None。仅用于数组 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: 与 a 形状和类型相同的全一数组。

另请参阅

empty_like: 返回一个与输入形状和类型相同的空数组。
zeros_like: 返回一个与输入形状和类型相同的全零数组。
full_like: 返回一个与输入形状相同并填充指定值的新数组。
ones: 返回一个填充值为一的新数组。

示例

>>> import numpy as np
>>> x = np.arange(6)
>>> x = x.reshape((2, 3))
>>> x
array([[0, 1, 2],
       [3, 4, 5]])
>>> np.ones_like(x)
array([[1, 1, 1],
       [1, 1, 1]])

>>> y = np.arange(3, dtype=float)
>>> y
array([0., 1., 2.])
>>> np.ones_like(y)
array([1.,  1.,  1.])