numpy.full_like#

numpy.full_like(a, fill_value, dtype=None, порядок='K', subok=True, shape=None, *, device=None)[источник]#

Возвращает полный массив с той же формой и типом, что и заданный массив.

Параметры:

aarray_like: Форма и тип данных a определяют те же атрибуты возвращаемого массива.
fill_valuearray_like: Значение заполнения.
dtypeтип данных, опционально: Переопределяет тип данных результата.
порядок{'C', 'F', 'A' или 'K'}, опционально: Переопределяет расположение памяти результата. ‘C’ означает порядок C, ‘F’ означает порядок F, ‘A’ означает ‘F’, если a является Fortran смежным, 'C' в противном случае. 'K' означает соответствие макету a как можно ближе.
subokbool, опционально.: Если True, то вновь созданный массив будет использовать тип подкласса a, иначе это будет массив базового класса. По умолчанию True.
shapeint или последовательность ints, опционально.: Переопределяет форму результата. Если order='K' и количество измерений не изменилось, попытается сохранить порядок, в противном случае подразумевается order='C'.
devicestr, optional: Устройство, на котором размещается созданный массив. По умолчанию: None. Только для совместимости с Array-API, поэтому должно быть "cpu" если передано.

Новое в версии 2.0.0.

Возвращает:

выходndarray: Массив fill_value с той же формой и типом, что и a.

Смотрите также

empty_like: Возвращает пустой массив с формой и типом входных данных.
ones_like: Возвращает массив единиц с формой и типом входных данных.
zeros_like: Возвращает массив нулей с формой и типом входных данных.
full: Возвращает новый массив заданной формы, заполненный значением.

Примеры

>>> import numpy as np
>>> x = np.arange(6, dtype=int)
>>> np.full_like(x, 1)
array([1, 1, 1, 1, 1, 1])
>>> np.full_like(x, 0.1)
array([0, 0, 0, 0, 0, 0])
>>> np.full_like(x, 0.1, dtype=np.double)
array([0.1, 0.1, 0.1, 0.1, 0.1, 0.1])
>>> np.full_like(x, np.nan, dtype=np.double)
array([nan, nan, nan, nan, nan, nan])

>>> y = np.arange(6, dtype=np.double)
>>> np.full_like(y, 0.1)
array([0.1, 0.1, 0.1, 0.1, 0.1, 0.1])

>>> y = np.zeros([2, 2, 3], dtype=int)
>>> np.full_like(y, [0, 0, 255])
array([[[  0,   0, 255],
        [  0,   0, 255]],
       [[  0,   0, 255],
        [  0,   0, 255]]])