numpy.full_like

numpy.full_like(a, fill_value, 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完整数组.

参数:

aarray_like

a 的形状和数据类型定义了返回数组的相同属性.

fill_valuearray_like

填充值.

dtypedata-type,可选

覆盖结果的数据类型.

order{‘C’, ‘F’, ‘A’, or ‘K’}, optional

覆盖结果的内存布局."C"表示 C 顺序,"F"表示 F 顺序,"A"表示如果 a 是 Fortran 连续的,则为"F",否则为"C"."K"表示尽可能匹配 a 的布局.

subokbool, optional.

如果为 True,则新创建的数组将使用 a 的子类类型,否则它将是一个基类数组.默认为 True.

shapeint or sequence of ints, optional.

覆盖结果的形状.如果 order=’K’ 并且维度数量未更改,将尝试保持顺序,否则,将暗示 order=’C’.

devicestr, optional

在其上放置创建的数组的设备.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 a 相同形状和类型的 fill_value 数组.

参见

empty_like

返回一个具有输入形状和类型的空数组.

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

返回一个用值填充的给定形状的新数组.

示例

Try it in your browser!

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

>>> y = np.zeros([2, 2, 3], dtype=int)
>>> np.full_like(y, [0, 0, 255])
array([[[  0,   0, 255],
        [  0,   0, 255]],
       [[  0,   0, 255],
        [  0,   0, 255]]])

Go BackOpen In Tab