Python numpy.ones_like函数方法的使用

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.ones_like 是一个非常有用的 NumPy 函数,它返回一个与给定数组形状和类型相同的数组,但所有元素都设置为1。这个函数在需要基于现有数组的结构来初始化新数组时特别有用。

numpy.ones_like

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

返回与指定数组具有相同形状和数据类型的数组,并且数组中的值都为1

参数: 

: array_like

用a的形状和数据类型,来定义返回数组的属性

dtype : 数据类型,可选

覆盖结果的数据类型。

版本1.6.0中的新功能。

顺序 : {'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,'A'表示如果a是Fortran连续,

则表示'F',否则'C'。“K”表示匹配的布局一个尽可能接近。

版本1.6.0中的新功能。

subok : bool,可选。

True:使用a的内部数据类型,False:使用a数组的数据类型,默认为True

返回:

返回值类型 : ndarray

与a相同形状和数据类型的数组,并且数组中的值都为1

例如,

1)整数数组

创建一个由连续整数组成的数组 x,然后将其重塑成形状为 (2, 3) 的二维数组。使用 numpy.ones_like 函数创建一个与 x 形状相同的全1数组。

import numpy as np # 创建并重塑数组 x = np.arange(6) x = x.reshape((2, 3)) print("Original x array:") print(x) # 使用 numpy.ones_like 创建全1数组 ones_like_x = np.ones_like(x) print("Array of ones like x:") print(ones_like_x)

输出将展示原始的 x 数组和一个与 x 形状相同的全1数组。

2)浮点数组

创建一个由浮点数组成的一维数组 y。然后使用 numpy.ones_like 函数创建一个与 y 形状和数据类型都相同的全1数组。

import numpy as np


# 创建浮点数数组
y = np.arange(3, dtype=float)
print("Original y array:")
print(y)

# 使用 numpy.ones_like 创建全1数组
ones_like_y = np.ones_like(y)
print("Array of ones like y:")
print(ones_like_y)

推荐阅读
cjavapy编程之路首页