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’, 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,如果 a 是 Fortran 连续的,则 ‘A’ 表示 ‘F’,否则表示 ‘C’. ‘K’ 表示尽可能匹配 a 的布局.

subokbool,可选.

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 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

与 a 具有相同形状和类型的 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

返回一个给定形状并用指定值填充的新数组.

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