numpy.empty_like

numpy.empty_like(prototype, dtype=None, order='K', subok=True)

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

Параметры:

prototype : array_like Форма и тип данных prototype определяют те же атрибуты возвращаемого массива. dtype : data-type, optional Переопределяет тип данных результата. Новая версия 1.6.0. order : {‘C’, ‘F’, ‘A’, or ‘K’}, optional Переопределяет порядок памяти результата. ‘C’ означает порядок C, ‘F’ означает порядок F, ‘A’ означает ‘F’, если prototype является фортран-непрерывным, в противном случае ‘C’. ‘K’ означает соответствие порядку prototype как можно точнее. Новая версия 1.6.0. subok : bool, optional. Если True, то вновь созданный массив будет использовать тип подкласса ‘a’, в противном случае это будет массив базового класса. По умолчанию True.

Возвращает:

out : ndarray Массив с незаполненными (произвольными) данными с той же формой и типом, что и prototype.

См. также

ones_like

Возвращает массив из единиц с формой и типом входных данных.

zeros_like

Возвращает массив из нулей с формой и типом входных данных.

full_like

Возвращает новый массив с формой входных данных, заполненный значением.

empty

Возвращает новый незаполненный массив.

Примечания

Эта функция не инициализирует возвращаемый массив; для этого используйте zeros_like или ones_like вместо этого. Она может быть несколько быстрее, чем функции, которые устанавливают значения в массиве.

Примеры

>>> a = ([1,2,3], [4,5,6])                         # a is array-like
>>> np.empty_like(a)
array([[-1073741821, -1073741821,           3],    #random
       [          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],#random
       [  4.38791518e-305,  -2.00000715e+000,   4.17269252e-309]])