Python NumPy full_like方法用法及代碼示例

Numpy 的 full_like(~) 方法從現有數組創建 Numpy 數組，並用所需的值填充它。這類似於其他 Numpy _like 方法，例如 zeros_like(~) 和 full_empty(~) 。

1. a | array-like

將用於構造 Numpy 數組的源數組。默認情況下，Numpy 數組將采用值的數據類型以及源數組的大小。

2. fill_value | number

用於填充 Numpy 數組的值。

3. dtype | string 或 type | optional

Numpy 數組所需的數據類型。默認情況下，數據類型與源數組的數據類型相同。

填充所需值的 Numpy 數組，其形狀和類型與源數組相同。

x = np.array([3,4,5])
np.full_like(x, 7)



array([7, 7, 7])

x = [1,2,3]
np.full_like(x, 4)



array([4., 4., 4.])

使用與源數組不同的類型填充值

假設您想使用浮點數創建 Numpy 數組，例如 2.5 。你可能會遇到以下陷阱：

x = np.array([3,4,5])
np.full_like(x, 2.5)



array([2, 2, 2])

即使我們指定 fill_value 為 2.5 ，我們的 Numpy 數組也會填充值為 2 的 int 。發生這種情況是因為原始 Numpy 數組(即本例中的 x)的類型為 int，因此 full_like 方法會自動假定您希望將 int 用於新的 Numpy 數組。

解決方案是指定dtype參數，如下所示：

x = np.array([3,4,5])
np.full_like(x, 2.5, dtype=float)



array([2.5, 2.5, 2.5])

x = [1,2,3]
np.full_like(x, 4, dtype="float")



array([4., 4., 4.])

請注意輸出 Numpy 數組中的值是 4. 而不僅僅是 4 - 這意味著這些值是浮點數。

x = [[1,2], [3,4]]
np.full_like(x, 5)



array([[5, 5],
       [5, 5]])

相關用法

注：本文由純淨天空篩選整理自Isshin Inada大神的英文原創作品 NumPy | full_like method。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。