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、未初始化条目的新数组。

参数:

prototypearray_like: 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’, 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 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。
subokbool, optional.: 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。
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 prototype 相同的形状和类型，但未初始化的（任意）数据数组。

另请参阅

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_like: 返回一个形状与输入相同、并用值填充的新数组。
empty: 返回一个新的未初始化数组。

备注

与 zeros_like、ones_like、full_like 等其他数组创建函数不同，empty_like 不会初始化数组的值，因此可能稍微快一些。然而，新分配的数组中存储的值是任意的。为了可重复的行为，请确保在读取之前设置数组的每个元素。

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]])