Python numpy full_like用法及代码示例

本文简要介绍 python 语言中 numpy.full_like 的用法。

用法:

numpy.full_like(a, fill_value, dtype=None, order='K', subok=True, shape=None)

返回与给定数组具有相同形状和类型的完整数组。

参数：

a： array_like

a 的形状和数据类型定义了返回数组的这些相同属性。

fill_value： 标量

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-order，“F”表示F-order，如果 a 是 Fortran 连续的，“A”表示“F”，否则表示“C”。 ‘K’表示尽可能匹配a的布局。

subok： 布尔值，可选。

如果为True，那么新创建的数组将使用a的sub-class类型，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

fill_value 的数组，具有与 a 相同的形状和类型。

例子：

>>> 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])