Numpy np.zeros_like

Come suggerisce il nome, la funzione Numpy Zeros_Mila () genera un array della stessa forma e tipo di dati specificato ma popolato con zeri.

Usando questa guida, discuteremo questa funzione, la sua sintassi e come usarla con esempi pratici.

Sintassi della funzione

La funzione fornisce una sintassi relativamente semplice come mostrato di seguito:

numpy.zeros_like (a, dtype = nessuno, order = 'k', subok = true, forma = nessuno)

Parametri della funzione

La funzione accetta i seguenti parametri.

1. A - si riferisce all'array di input o all'array_like oggetto.
2. dType: definisce il tipo di dati desiderato dell'array di output.
3. Ordine: specifica il layout di memoria con i valori accettati come:
   1. 'C' significa c-ordine
   2. 'F' significa f-ordine
   3. 'A' significa 'f' se UNè fortran contiguo, "c" altrimenti.
   4. 'K' significa abbinare il layout di UNil più vicino possibile.
4. SUPOK - Se vero, il nuovo array utilizza il tipo di sottoclasse dell'array di input o dell'arlay_like. Se questo valore è impostato su false, utilizzare l'array di classe base. Per impostazione predefinita, questo valore è impostato su True.
5. Forma: sovrascrive la forma dell'array di output.

Valore di ritorno della funzione

La funzione restituisce un array riempito con zeri. L'array di output prende la stessa forma e tipo di dati dell'array di input.

Esempio

Dai un'occhiata al codice di esempio mostrato di seguito:

# Importa Numpy
Importa Numpy come NP
# Crea una forma di array e un tipo di dati
base_arr = np.Arange (6, dType = int).Reshape (2,3)
# Converti in array zero_like
zeros_arr = np.zeros_like (base_arr, dtype = int, subok = true)
print (f "Array base: base_arr")
print (f "Zeros Array: Zeros_arr")

Abbattiamo il codice sopra.

1. Iniziamo importando numpy e dandogli un alias di NP.
2. Successivamente, creiamo l'array di base la cui forma e tipo di dati desideriamo utilizzare nella funzione zeros_like (). Nel nostro caso, generiamo un array utilizzando la funzione di organizzazione e gli diamo la forma di (2,3)
3. Convertiamo quindi l'array di base in un array zero_like usando la funzione zeros_like.
4. Infine, stampiamo gli array.

Il codice sopra dovrebbe restituire array come mostrato:

Array di base: [[0 1 2]
[3 4 5]]
ZEROS Array: [[0 0 0]
[0 0 0]]

Esempio 2

L'esempio seguente utilizza il tipo di float di dati.

base_arr = np.Arange (6, dType = int).Reshape (2,3)
# Converti in array zero_like
zeros_arr = np.zeros_like (base_arr, dtype = float, subok = true)
print (f "Array base: base_arr")
print (f "Zeros Array: Zeros_arr")

Nel codice sopra, specifichiamo dType = float. Questo dovrebbe restituire un array zero_like con valori a punto mobile.

L'output è come illustrato di seguito:

Array di base: [[0 1 2]
[3 4 5]]
Array di Zeros: [[0. 0. 0."
[0. 0. 0.]]

Conclusione

In questo articolo, abbiamo trattato come usare la funzione numpy zeros_like. Prendi in considerazione la modifica di vari parametri negli esempi forniti per capire meglio come si comporta la funzione.

Controlla i documenti per ulteriori informazioni e grazie per la lettura!!!