numpy.zeros_like#

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

返回一个形状和类型与给定数组相同的全零数组。

参数:

a类数组: 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’, 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，将尝试保持原有顺序；否则，将默认为 order='C'。
device字符串，可选: 创建的数组将被放置的设备。默认值: None。仅用于 Array-API 互操作性，因此如果传入，则必须是 "cpu"。

2.0.0 版本新增。

返回值:

outndarray: 形状和类型与 a 相同的全零数组。

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。
full_like: 返回一个与输入具有相同形状并填充指定值的新数组。
zeros: 返回一个值全为零的新数组。

示例

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

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