numpy.empty_like

numpy.empty_like(prototype, dtype=None, order='K', subok=True, shape=None, *, device=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:

prototypearray_like

prototype 的形状和数据类型定义了返回数组的相同属性.

dtypedata-type,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 顺序,“F”表示 F 顺序,“A”如果 prototype 是 Fortran 连续的,则表示“F”,否则表示“C”.“K”表示尽可能匹配 prototype 的布局.

subokbool,可选.

如果为 True,则新创建的数组将使用 prototype 的子类类型,否则它将是基类数组.默认为 True.

shapeint 或 int 序列,可选.

覆盖结果的形状.如果 order=’K’ 且维数未更改,将尝试保持顺序,否则,意味着 order=’C’.

devicestr, optional

用于放置所创建的数组的设备.默认值:None.仅用于 Array-API 互操作性,因此如果传递,则必须为 "cpu" .

在 2.0.0 版本加入.

返回:

outndarray

具有与 prototype 相同形状和类型的未初始化(任意)数据的数组.

参见

ones_like

返回一个具有输入形状和类型的 1 数组.

zeros_like

返回一个具有输入形状和类型的 0 数组.

full_like

返回一个与输入数组形状相同,并使用给定值填充的新数组.

empty

返回一个新的未初始化的数组.

注释

与其他数组创建函数(例如 zeros_like , ones_like , full_like )不同, empty_like 不初始化数组的值,因此可能稍微快一些.但是,存储在新分配的数组中的值是任意的.为了获得可重现的行为,请务必在读取之前设置数组的每个元素.

示例

Try it in your browser!

>>> import numpy as np
>>> 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]])

Go BackOpen In Tab