Numpy full_like() 函数

在 Numpy 中，full_like() 函数用于创建一个新的 NumPy 数组，该数组具有与现有数组相同的形状和类型，但填充了指定的值。当我们想要用常量值初始化数组，同时保持引用数组的形状和数据类型时，可以使用此函数。

语法

以下是 Numpy full_like() 函数的语法 -

numpy.full_like(arr, fill_value, dtype=None, order='K', subok=True, shape=None)

参数

以下是 Numpy full_like() 函数的参数 -

• arr - 数组，其形状和类型定义输出数组的形状和类型。
• fill_value - 用于填充数组的值。
• dtype - 返回数组所需的数据类型。如果为 None，则使用 arr 的数据类型。
• subok - 如果为 True，则新创建的数组将使用 arr 的子类类型。
• shape - 如果指定，则覆盖结果的形状。
• order(可选):指定数组的内存布局。如果对象不是数组，则新创建的数组将按 C 语言顺序(行优先)排列，除非指定了 F 顺序，在这种情况下，它将按 Fortran 语言顺序(列优先)排列 -
• 'C':C 风格的行优先顺序。
• 'F':Fortran 风格的列优先顺序。
• 'A':如果输入是 Fortran 连续的，则为 'F'，否则为 'C'。
• 'K':这是默认值，使顺序尽可能接近输入。

返回值

此函数返回一个与输入数组形状和类型相同，但填充了指定值的数组。

示例

以下是创建使用 Numpy full_like() 函数，创建一个形状与现有数组相同的 NumPy 数组，并填充指定值 -

import numpy as np
Numpy_Array = np.array([[1, 2, 3], [4, 5, 6]])
filled_array = np.full_like(Numpy_Array, fill_value=7)
print("Numpy 数组填充了 7 -
", filled_array)

输出

以下是上述代码的输出:

Numpy 数组填充了 7 -
[[7 7 7]
[7 7 7]]

示例:指定数据类型

我们可以使用 dtype 参数指定数组的数据类型。例如，我们可以创建一个由指定值填充的浮点数数组。

以下示例中，数组填充了值 3.14，数据类型设置为 float32 −

import numpy as np
array_b = np.array([[7, 8, 9], [10, 11, 12]], dtype=np.int32)
filled_array_float = np.full_like(array_b, fill_value=3.14, dtype=np.float32)
print("Numpy 数组填充了 3.14(浮点数据类型)-
", filled_array_float)

输出

以下是输出以上代码 −

Numpy 数组填充 3.14(浮点数据类型) -
[[3.14 3.14 3.14]
[3.14 3.14 3.14]]

示例:多维数组

numpy.full_like() 函数也可用于创建填充指定值的多维数组，同时匹配现有多维数组的形状。

在以下示例中，我们创建了一个填充了值 5 的三维数组，其形状与 3x3x3 引用数组相同 −

import numpy as np
my_array = np.ones((3, 3, 3))
filled_3d_array = np.full_like(my_array, fill_value=5)
print("填充了 5 个值的 3D Numpy 数组 -
", filled_3d_array)

输出

以下是上述代码的输出 -

填充了 5 个值的 3D Numpy 数组 -
[[[5. 5. 5.]
  [5. 5. 5.]
  [5. 5. 5.]]
[[5. 5. 5.]
  [5. 5. 5.]
  [5. 5. 5.]]
[[5. 5. 5.]
  [5. 5. 5.]
  [5. 5. 5.]]]

numpy_array_creation_routines.html