5.4 KiB

Raw Permalink Blame History

NumPy full_like()函数——返回一个与给定数组具有相同形状和类型的完整数组

原文：https://www.askpython.com/python-modules/numpy/numpy-full_like

NumPy 是一个强大的、广泛使用的 Python 科学计算库。它提供了许多处理数字数据和数组的函数和工具，包括full_like()函数。这个函数允许你创建一个新的数组，它的形状和数据类型与给定的数组相同，但是填充了一个特定的值。

这在许多情况下都很有用，例如当您需要创建某种形状和类型的数组来保存占位符或默认值时。在本文中，我们将详细探讨full_like()函数的用法和语法，并提供如何在实践中使用它的例子。

也读作: NumPy full()函数

NumPy 中的 full_like()是什么？

full_like()是 NumPy 库中的一个函数，它创建一个与给定数组具有相同形状和数据类型的新数组，但用指定的值填充。它接受两个必需的参数:

a:用作新数组的形状和数据类型模板的数组。
fill_value:填充新数组的值。

Numpy full_like()的语法

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

因素

答:数组 _like
- 需要
- 返回数组的这些相同特征是由。
fill_value: array_like
- 需要
- 新数组中用来初始化元素的值。
dtype:数据类型
- 可选择的
- 覆盖结果的数据类型。
顺序:{'C '，' F '，' A '或' K'}
- 可选择的
- 更改结果的内存布局。“C”代表 C 阶，“F”代表 F 阶，“A”代表 C，除非“A”是 Fortran 连续的。“K”表示与 a 非常相似的布局。
subok: bool
- 可选择的
- 如果为 True，新生成的数组将使用的子类类型；否则，将使用基类数组。通常设置为 True。
形状:int 或整数序列
- 可选择的
- 改变结果的形式。如果 order='K '并且维度数量保持不变，将尝试保持顺序；否则，假定 order='C '。

Numpy full_like()的实现

在实现该函数之前，请确保在 IDE 中导入 NumPy 包。为此，请在您的 IDE 中运行以下代码行。

import numpy as np

例 1。仅传递必需的参数

x = ([1,2,3],[4,4,6])
print(x)
print("\n")
np.full_like(x, 3)

y = ([1,2,3],
     [4,5,6])
print(y)
print("\n")
np.full_like(y,([9,8,7],[6,5,4]))

Example 1

例 2。传递其他参数

w = ([1,2,3],[4,5,6],[7,8,9])
print(w)
print("\n")
np.full_like(w, 5, dtype=np.float16, order='C')

z = ([1,2,3],[4,5,6])
print(z)
print("\n")
np.full_like(z, (1+3j), dtype = float, order='F')

Example 2

示例 3:用 numpy.full_like()将所有内容放在一起

下面是一个更完整的使用 numpy.full_like()方法的例子，包括所有不同的使用方法。

import numpy as np

# Create a random array of integers from 0 to 9
a = np.random.randint(10, size=(2, 3, 4))
print(f"Original array: \n{a}")

# Create a new array of zeros with the same shape and data type as a
b = np.full_like(a, 0)
print(f"Array of zeros with same shape and data type as a: \n{b}")

# Create a new array of ones with the same shape and data type as a
c = np.full_like(a, 1, dtype=np.float64)
print(f"Array of ones with same shape and data type as a, but with data type float64: \n{c}")

# Create a new array with the same shape and data type as a, but filled with the maximum value of a's data type
d = np.full_like(a, np.amax(a))
print(f"Array with same shape and data type as a, filled with the maximum value of a's data type: \n{d}")

# Create a new array with the same shape and data type as a, but filled with the minimum value of a's data type
e = np.full_like(a, np.amin(a))
print(f"Array with same shape and data type as a, filled with the minimum value of a's data type: \n{e}")

输出

Original array: 
[[[2 9 7 3]
  [9 8 6 4]
  [1 0 8 9]]

 [[3 9 9 7]
  [0 8 0 3]
  [5 5 4 3]]]
Array of zeros with same shape and data type as a: 
[[[0 0 0 0]
  [0 0 0 0]
  [0 0 0 0]]

 [[0 0 0 0]
  [0 0 0 0]
  [0 0 0 0]]]
Array of ones with same shape and data type as a, but with data type float64: 
[[[1\. 1\. 1\. 1.]
  [1\. 1\. 1\. 1.]
  [1\. 1\. 1\. 1.]]

 [[1\. 1\. 1\. 1.]
  [1\. 1\. 1\. 1.]
  [1\. 1\. 1\. 1.]]]
Array with same shape and data type as a, filled with the maximum value of a's data type: 
[[[9 9 9 9]
  [9 9 9 9]
  [9 9 9 9]]

 [[9 9 9 9]
  [9 9 9 9]
  [9 9 9 9]]]
Array with same shape and data type as a, filled with the minimum value of a's data type: 
[[[0 0 0 0]
  [0 0 0 0]
  [0 0 0 0]]

 [[0 0 0 0]
  [0 0 0 0]
  [0 0 0 0]]]

结论

总之，NumPy 中的full_like()函数是创建新数组的有用工具，这些新数组具有与给定数组相同的形状和数据类型，但填充了特定的值。这在许多情况下都很有用，例如当您需要创建某种形状和类型的数组来保存占位符或默认值时。无论您是在科学计算中处理数字数据，还是仅仅需要在 Python 脚本中操作数组，full_like()函数都是您工具箱中的宝贵补充。

参考

https://numpy . org/doc/stable/reference/generated/numpy . full _ like . html

5.4 KiB Raw Permalink Blame History Unescape Escape