175 lines
5.4 KiB
Markdown
175 lines
5.4 KiB
Markdown
# 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](https://www.askpython.com/python-modules/numpy/numpy-full)***
|
||
|
||
## 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:
|
||
|
||
1. `a`:用作新数组的形状和数据类型模板的数组。
|
||
2. `fill_value`:填充新数组的值。
|
||
|
||
## Numpy full_like()的语法
|
||
|
||
```py
|
||
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。
|
||
|
||
```py
|
||
import numpy as np
|
||
|
||
```
|
||
|
||
### 例 1。仅传递必需的参数
|
||
|
||
```py
|
||
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
|
||
|
||
```py
|
||
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。
|
||
|
||
```py
|
||
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**
|
||
|
||
```py
|
||
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](https://numpy.org/doc/stable/reference/generated/numpy.full_like.html) |