本文简要介绍 python 语言中 numpy.empty_like
的用法。
用法:
numpy.empty_like(prototype, dtype=None, order='K', subok=True, shape=None)
返回一个与给定数组具有相同形状和类型的新数组。
- prototype: array_like
原型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’或‘K’},可选
覆盖结果的内存布局。 “C”表示C-order,“F”表示F-order,如果原型是 Fortran 连续的,“A”表示“F”,否则表示“C”。 “K”表示尽可能匹配原型的布局。
- subok: 布尔值,可选。
如果为 True,那么新创建的数组将使用 sub-class 类型的原型,否则它将是 base-class 数组。默认为真。
- shape: int 或整数序列,可选。
覆盖结果的形状。如果 order='K' 且维数不变,将尝试保持 order,否则,隐含 order='C'。
- out: ndarray
与原型具有相同形状和类型的未初始化(任意)数据数组。
参数:
返回:
注意:
这个函数做不是初始化返回的数组;做那个使用numpy.zeros_like或者numpy.ones_like反而。它可能比设置数组值的函数稍微快一点。
例子:
>>> 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]])
相关用法
- Python numpy empty用法及代码示例
- Python numpy extract用法及代码示例
- Python numpy einsum_path用法及代码示例
- Python numpy equal用法及代码示例
- Python numpy eye用法及代码示例
- Python numpy errstate用法及代码示例
- Python numpy expand_dims用法及代码示例
- Python numpy exp2用法及代码示例
- Python numpy exp用法及代码示例
- Python numpy einsum用法及代码示例
- Python numpy expm1用法及代码示例
- Python numpy ediff1d用法及代码示例
- Python numpy RandomState.standard_exponential用法及代码示例
- Python numpy hamming用法及代码示例
- Python numpy legendre.legint用法及代码示例
- Python numpy chararray.ndim用法及代码示例
- Python numpy chebyshev.chebsub用法及代码示例
- Python numpy chararray.nbytes用法及代码示例
- Python numpy ma.indices用法及代码示例
- Python numpy matrix.A1用法及代码示例
- Python numpy MaskedArray.var用法及代码示例
- Python numpy ma.zeros用法及代码示例
- Python numpy broadcast用法及代码示例
- Python numpy matrix.T用法及代码示例
- Python numpy matrix.I用法及代码示例
注:本文由纯净天空筛选整理自numpy.org大神的英文原创作品 numpy.empty_like。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。