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ones_like方法的使用。

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,

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