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]]])