numpy.zeros_like#
- numpy.zeros_like(a, 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全零数组。
- 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。
- dtype数据类型,可选
覆盖结果的数据类型。
版本 1.6.0 中的新功能。
- 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’ 表示尽可能接近地匹配 a 的布局。
版本 1.6.0 中的新功能。
- 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,否则它将是基类数组。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' 且维度数不变,则将尝试保持顺序,否则,将隐含 order='C'。
版本 1.17.0 中的新功能。
- 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"
。版本 2.0.0 中的新功能。
- 返回值:
- outndarray
与 a 具有相同形状和类型的全零数组。
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。
full_like
返回一个具有输入形状的新数组,并填充指定的值。
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.])