numpy.zeros_like#

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

返回一个形状和类型与给定数组相同的全零数组。

参数：

aarray_like: 返回数组的形状和数据类型由a 的这些属性定义。
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' 且维数不变，则尝试保持顺序，否则，则隐式使用 order='C'。
device字符串，可选: 放置创建数组的设备。默认值：None。仅用于数组 API 互操作性，因此如果传递，则必须为 "cpu"。

2.0.0 版中的新功能。

返回：

outndarray: 与 a 形状和类型相同的全零数组。

参见

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一数组。
full_like: 返回一个具有输入形状的新数组，并用值填充。
zeros: 返回一个将值设置为零的新数组。

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.])