Bootstrap
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。本文主要介绍一下NumPy中zeros_like方法的使用。

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

>>> x = np.arange(6)
>>> x = x.reshape((2, 3))
>>> x
array([[0, 1, 2],
[3, 4, 5]])
>>> np.zeros_like(x)
array([[0, 0, 0],
[0, 0, 0]])
>>>
>>> y = np.arange(3, dtype=float)
>>> y
array([ 0., 1., 2.])
>>> np.zeros_like(y)
array([ 0., 0., 0.])