numpy.zeros_like
numpy.zeros_like（a，dtype = None，order ='K'，subok = True ）[来源]
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0。
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 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。 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 与a相同形状和数据类型的数组，并且数组中的值都为0 |
例如，
import numpy as np
# 创建一个形状为 (2, 3) 的数组
x = np.arange(6).reshape((2, 3))
print("数组 x:")
print(x)
# 使用 zeros_like 函数创建一个与 x 形状相同的零数组
zero_arr_x = np.zeros_like(x)
print("\n与 x 形状相同的零数组:")
print(zero_arr_x)
# 创建一个 dtype 为 float 的数组
y = np.arange(3, dtype=float)
print("\n数组 y:")
print(y)
# 使用 zeros_like 函数创建一个与 y 形状相同的零数组
zero_arr_y = np.zeros_like(y)
print("\n与 y 形状相同的零数组:")
print(zero_arr_y)