numpy.ma.empty_like#

ma.empty_like(прототип, /, dtype=None, порядок='K', subok=True, shape=None, *, device=None)[источник]#

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

Параметры:

прототипarray_like: Форма и тип данных прототип определяют те же атрибуты возвращаемого массива.
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 прототип является Fortran-непрерывным, 'C' в противном случае. 'K' означает соответствие макету прототип как можно ближе.
subokbool, опционально.: Если True, то вновь созданный массив будет использовать тип подкласса прототип, 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:

выходMaskedArray: Массив неинициализированных (произвольных) данных с той же формой и типом, что и прототип.

Смотрите также

ones_like: Возвращает массив единиц с формой и типом входных данных.
zeros_like: Возвращает массив нулей с формой и типом входных данных.
full_like: Возвращает новый массив с формой входных данных, заполненный значением.
empty: Возвращает новый неинициализированный массив.

Примечания

В отличие от других функций создания массивов (например, zeros_like, ones_like, full_like), empty_like не инициализирует значения массива, и поэтому может быть немного быстрее. Однако значения, хранящиеся в новом выделенном массиве, произвольны. Для воспроизводимого поведения обязательно устанавливайте каждый элемент массива перед чтением.

Примеры

>>> import numpy as np
>>> a = ([1,2,3], [4,5,6])                         # a is array-like
>>> np.empty_like(a)
array([[-1073741821, -1073741821,           3],    # uninitialized
       [          0,           0, -1073741821]])
>>> a = np.array([[1., 2., 3.],[4.,5.,6.]])
>>> np.empty_like(a)
array([[ -2.00000715e+000,   1.48219694e-323,  -2.00000572e+000], # uninitialized
       [  4.38791518e-305,  -2.00000715e+000,   4.17269252e-309]])