📜  Python中的numpy.ones_like

📅  最后修改于: 2020-06-01 12:11:13             🧑  作者: Mango

numpy.ones_like(array,dtype = None,order =’K’,subok = True):返回给定形状和类型的数组为给定数组,内部元素都是1:

参数:

array:类似array_的输入
subok:[可选,boolean]如果为true,则新创建的数组将是array的子​​类;
否则,一个基类数组
order:C_contiguous或F_contiguous
内存中的C连续顺序(最后一个索引变化最快)
C顺序表示在阵列上逐行操作会更快
内存中的FORTRAN连续顺序(第一个索引变化最快)。
F顺序表示逐列运算将更快。
dtype:[可选,float(byDefault)]返回的数组的数据类型。

 

返回值:

具有给定形状,顺序和数据类型的ndarray。

# Python编程说明numpy.ones_like方法 
  
import numpy as geek 
  
array = geek.arange(10).reshape(5, 2) 
print("Original array : \n", array) 
  
  
b = geek.ones_like(array, float) 
print("\nMatrix b : \n", b) 
  
array = geek.arange(8) 
c = geek.ones_like(array) 
print("\nMatrix c : \n", c) 

输出:

原始数组:
 [[0 1] 
 [2 3] 
 [4 5] 
 [6 7] 
 [8 9]] 

矩阵b:
 [[1. 1.] 
 [1. 1.] 
 [1. 1.] 
 [1。 1.] 
 [1. 1.]] 

矩阵c:
 [1 1 1 1 1 1 1 1 1]