python中np.zeros_like函数

np.zeros_like 是 NumPy 库中的一个函数，用于创建一个与给定数组具有相同形状和类型的数组，并将所有元素初始化为 0。

语法：

np.zeros_like(a, dtype=None, order='K', subok=True)

参数：

• a：输入的数组。新的数组将具有与 a 相同的形状和类型。
• dtype（可选）：指定返回数组的数据类型。如果没有指定，默认为输入数组 a 的数据类型。
• order（可选）：指定返回数组的内存布局，'C' 为行主序（C-style），'F' 为列主序（Fortran-style）。默认为 'K'，意味着返回数组的内存布局尽量与输入数组一致。
• subok（可选）：如果为 True，返回的数组将保持子类的类型。如果为 False，则返回的数组是 ndarray 类型。默认值为 True。

返回值：

返回一个具有与输入数组相同形状和类型的新数组，且数组的所有元素都初始化为 0。

使用示例：

1. 创建与现有数组相同形状的零数组

import numpy as np

# 创建一个原始数组
arr = np.array([[1, 2, 3], [4, 5, 6]])

# 使用 np.zeros_like 创建一个与 arr 形状相同的零数组
arr_zeros = np.zeros_like(arr)

print(arr_zeros)
# 输出:
# [[0 0 0]
#  [0 0 0]]

在这个例子中，arr_zeros 是一个与 arr 形状相同的数组，且所有元素都初始化为 0。

2. 指定数据类型 dtype

你可以指定新数组的数据类型，而不必依赖输入数组的类型。例如，如果你希望返回一个浮点类型的数组：

arr_zeros_float = np.zeros_like(arr, dtype=float)

print(arr_zeros_float)
# 输出:
# [[0. 0. 0.]
#  [0. 0. 0.]]

这里，返回的数组类型是 float，即使原数组 arr 的元素是整数类型。

3. 与 np.zeros() 的比较

np.zeros_like() 与 np.zeros() 相似，但是 np.zeros_like() 会根据现有数组的形状和类型创建零数组，而 np.zeros() 需要显式指定形状。

# 使用 np.zeros 创建一个 2x3 的零数组
arr_zeros_manual = np.zeros((2, 3))

# 使用 np.zeros_like 根据 arr 创建一个零数组
arr_zeros_like = np.zeros_like(arr)

print(np.array_equal(arr_zeros_manual, arr_zeros_like))  # 输出: True

两者都创建了形状为 (2, 3) 的零数组，但 np.zeros_like() 根据现有数组 arr 的形状和类型自动生成零数组。

4. 指定内存布局

通过 order 参数，你可以指定返回数组的内存布局。默认情况下，np.zeros_like() 会使用 'K'，即尽量与输入数组一致，但你也可以指定为 'C' 或 'F'：

arr_zeros_c = np.zeros_like(arr, order='C')  # 使用行主序
arr_zeros_f = np.zeros_like(arr, order='F')  # 使用列主序

print(arr_zeros_c.flags['C_CONTIGUOUS'])  # 输出: True，表示是 C-style 存储
print(arr_zeros_f.flags['F_CONTIGUOUS'])  # 输出: True，表示是 Fortran-style 存储

5. 与 np.zeros() 的区别

np.zeros() 用于根据给定形状创建零数组，而 np.zeros_like() 用于创建一个形状和数据类型与现有数组相同的零数组。np.zeros_like() 比 np.zeros() 更加灵活，因为它能够继承现有数组的形状和类型，而不需要你重新指定。

总结：

• np.zeros_like(a)：创建一个与 a 形状和数据类型相同的零数组。
• 可选参数 dtype 可以指定返回数组的数据类型。
• order 控制返回数组的内存布局（默认为 K）。
• 它通常用于在现有数组的基础上创建零数组，特别是在需要保证形状和类型一致时。

这种方法非常适合在进行数组计算时初始化一个与其他数组具有相同形状的零数组。