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具有相同形状和类型的填充数组。

参数:
aarray_like

a 的形状和数据类型定义返回数组的这些相同属性。

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’, 或 ‘K’},可选

覆盖结果的内存布局。‘C’ 表示 C 顺序,‘F’ 表示 Fortran 顺序,‘A’ 表示如果 a 是 Fortran 连续的则为 ‘F’,否则为 ‘C’。‘K’ 表示尽可能地匹配 a 的布局。

subokbool,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。

shapeint 或 int 序列,可选。

覆盖结果的形状。如果 order=’K’ 并且维数不变,则将尝试保持顺序,否则,隐含 order=’C’。

版本 1.17.0 中的新功能。

devicestr,可选

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

版本 2.0.0 中的新功能。

返回值:
outndarray

具有与 a 相同形状和类型的 fill_value 数组。

另请参阅

empty_like

返回一个具有输入形状和类型的空数组。

ones_like

返回一个具有输入形状和类型的全 1 数组。

zeros_like

返回一个具有输入形状和类型的全 0 数组。

full

返回一个具有给定形状并填充指定值的新数组。

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]]])