Python numpy empty_like用法及代碼示例

本文簡要介紹 python 語言中 numpy.empty_like 的用法。

用法:

numpy.empty_like(prototype, dtype=None, order='K', subok=True, shape=None)

返回一個與給定數組具有相同形狀和類型的新數組。

參數：

prototype： array_like

原型的形狀和數據類型定義了返回數組的這些相同屬性。

dtype： 數據類型，可選

覆蓋結果的數據類型。

order： {‘C’、‘F’、‘A’或‘K’}，可選

覆蓋結果的內存布局。 “C”表示C-order，“F”表示F-order，如果原型是 Fortran 連續的，“A”表示“F”，否則表示“C”。 “K”表示盡可能匹配原型的布局。

subok： 布爾值，可選。

如果為 True，那麽新創建的數組將使用 sub-class 類型的原型，否則它將是 base-class 數組。默認為真。

shape： int 或整數序列，可選。

覆蓋結果的形狀。如果 order='K' 且維數不變，將嘗試保持 order，否則，隱含 order='C'。

返回：

out： ndarray

與原型具有相同形狀和類型的未初始化(任意)數據數組。

注意：

這個函數做不是初始化返回的數組；做那個使用numpy.zeros_like或者numpy.ones_like反而。它可能比設置數組值的函數稍微快一點。

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]])