Python numpy.full_like函数方法的使用

最新推荐文章于 2024-04-19 09:06:58 发布

weixin_42098295

最新推荐文章于 2024-04-19 09:06:58 发布

阅读量1.2k

点赞数 22

文章标签： python numpy 开发语言

本文链接：https://blog.csdn.net/weixin_42098295/article/details/136437792

版权

NumPy库中的numpy.full_like函数允许用户根据现有数组创建新数组，保持相同的形状和数据类型，用指定的值填充。此功能在处理科学计算和数组操作时十分便捷，涵盖了线性代数、数值计算等多个方面。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

NumPy（Numerical Python的缩写）是一个开源的Python科学计算库。使用NumPy，就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数，涵盖线性代数运算、傅里叶变换和随机数生成等功能。numpy.full_like 是一个非常有用的函数，用于根据另一个数组的形状和数据类型创建一个新数组，并用指定的值填充它。当要创建一个与已有数组具有相同形状和类型，但是想要用不同的固定值填充时，这个函数非常方便。

参考文档：Python numpy.full_like函数方法的使用-CJavaPy

numpy.full_like

numpy.full_like(a, fill_value, dtype=None, order='K', subok=True)[source]

返回与给定数组具有相同形状和类型的数组。并且数组中元素的值是fill_value的值

参数:

a : array_like

用a的形状和数据类型，来定义返回数组的属性。

fill_value : 填充数组的值。

dtype : 数据类型, 可选

覆盖结果的数据类型。

order : {‘C’, ‘F’, ‘A’, or ‘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'表示如果a是Fortran连续，

则表示'F'，否则'C'。 'K'表示尽可能匹配a的布局。

subok : bool, 可选.

值为True是使用a的内部数据类型，

值为False是使用a数组的数据类型，

默认为True

返回值:

返回值类型 : ndarray(ndarray是N维数组对象)

返回与a相同类型和形态，

并且用fill_value的值填充的数组

例如，

import numpy as np

# 使用arange创建一个整数类型的数组x
x = np.arange(6, dtype=int)

# 使用full_like创建新数组，所有元素为1
array_1 = np.full_like(x, 1)

print(array_1)
# 使用full_like创建新数组，尝试所有元素为0.1，但因为x的dtype为int，结果全为0
array_0_1_int = np.full_like(x, 0.1)

print(array_0_1_int)
# 明确指定dtype为np.double，创建所有元素为0.1的数组
array_0_1_double = np.full_like(x, 0.1, dtype=np.double)

print(array_0_1_double)
# 使用np.nan填充，同时指定dtype为np.double
array_nan = np.full_like(x, np.nan, dtype=np.double)

print(array_nan)
# 创建一个double类型的数组y
y = np.arange(6, dtype=np.double)

# 使用full_like基于y创建新数组，所有元素为0.1
array_0_1_y = np.full_like(y, 0.1)

print(array_0_1_y)

参考文档：Python numpy.full_like函数方法的使用-CJavaPy