Метод np.full_like() определен в библиотеке numpy, которую можно импортировать как import numpy as np, и мы можем создавать многомерные массивы.
Что такое функция Numpy full_like() в Python?
numpy.full_like() — это библиотечная функция numpy, которая возвращает новый массив той же формы и типа, что и данный массив в Python. Функция full_like() содержит четыре параметра и возвращает массив той же формы и размера, что и заданный массив.
Синтаксис
|
1 |
numpy.full_like(shape, order, dtype, subok ) |
Параметры
Функция np.full_like() принимает 4 параметра, из которых 2 параметра являются необязательными.
- Первый параметр — это shape (форма), которая представляет количество строк.
- Второй параметр — это order, представляющий порядок в памяти (C_contiguous или F_contiguous).
- Третий параметр — это dtype(тип данных) возвращаемого массива. Он необязательный и по умолчанию имеет значение с плавающей запятой.
- Четвертый — логический параметр subok, который проверяет, должны ли мы создавать подкласс основного массива или нет.
Возвращаемое значение
Возвращает ndarray той же формы и размера.
Программы с методом full_like() в Python
- Напишем программу, показывающую работу функции full_like() в Python.
|
1 2 3 4 5 6 7 8 |
# app.py import numpy as np arr = np.arange(15, dtype=int).reshape(3, 5) print("arr before full_like : \n", arr) print("\narr after full_like : \n", np.full_like(arr, 15.0)) |
Выход:
|
1 2 3 4 5 6 7 8 9 10 |
python3 app.py arr before full_like : [[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14]] arr after full_like : [[15 15 15 15 15] [15 15 15 15 15] [15 15 15 15 15]] |
В этом примере мы видим, что с помощью full_like() мы сохранили форму и размер массивов и вернули новый массив с новым значением.
- Напишем программу, которая берет матрицу 4×4, а затем применяет функцию full_like(), которая также передает -3 в качестве входных данных для нового массива.
|
1 2 3 4 5 6 7 8 9 |
# app.py import numpy as np arr2 = np.arange(16, dtype=float).reshape(4, 4) print("\n\narr2 before full_like : \n", arr2) # using full_like print("\narr2 after full_like : \n", np.full_like(arr2, -3)) |
Выход:
|
1 2 3 4 5 6 7 8 9 10 11 12 13 |
python3 app.py arr2 before full_like : [[ 0. 1. 2. 3.] [ 4. 5. 6. 7.] [ 8. 9. 10. 11.] [12. 13. 14. 15.]] arr2 after full_like : [[-3. -3. -3. -3.] [-3. -3. -3. -3.] [-3. -3. -3. -3.] [-3. -3. -3. -3.]] |
В этом примере мы видим, что мы передали массив 4×4, а значение в новом массиве отрицательное, то есть -3, следовательно, показаны атрибуты full_like().
