Python numpy empty_like用法及代码示例

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。

参数：

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'。

返回：

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。

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]])