numpy.full_like

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

Возвращает массив заполненный заданным значением, имеющий ту же форму и тип, 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, необязательно

Переопределяет тип данных результата.

order{‘C’, ‘F’, ‘A’, или ‘K’}, необязательно

Переопределяет расположение памяти результата. ‘C’ означает порядок C, ‘F’ означает порядок F, ‘A’ означает ‘F’, если a является Fortran-непрерывным, ‘C’ в противном случае. ‘K’ означает, что нужно максимально соответствовать расположению a.

subokbool, необязательно.

Если True, то новый массив будет использовать тип подкласса a, в противном случае он будет массивом базового класса. По умолчанию True.

shapeцелое число или последовательность целых чисел, необязательно.

Переопределяет форму результата. Если order=’K’ и число измерений не меняется, будет попытка сохранить порядок, иначе подразумевается order=’C’.

В версии 1.17.0.

deviceстрока, необязательно

Устройство, на котором следует разместить созданный массив. По умолчанию: None. Только для совместимости с API массивов, поэтому должно быть "cpu" если передано.

В версии 2.0.0.

Возвращаемое значение:

outndarray

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

См. 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

>>> 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]]])