numpy.full_like#

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

返回一个具有与给定数组相同的形状和类型的完整数组。

参数:
a类数组对象

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’}, optional

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。

subokbool, optional.

如果为 True，则新创建的数组将使用 a 的子类类型，否则将是基类数组。默认为 True。

shapeint or sequence of ints, optional.

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，将暗含 order=’C’。

devicestr，可选

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

版本 2.0.0 中新增。

返回:
outndarray

具有与 a 相同的形状和类型的 fill_value 数组。

另请参阅

empty_like

返回一个形状和类型与输入数组相同的空数组。

ones_like

返回一个形状和类型与输入相同的全 1 数组。

zeros_like

返回一个形状和类型与输入相同的全 0 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]]])
在此页面