Функция one_like() определена в numpy, импортируется как import numpy as np. Мы можем создавать многомерные массивы и получать другую математическую статистику с помощью numpy.
Что такое функция np.ones_like в Python?
Функция np.ones_likes() в Python возвращает массив единиц той же формы и типа, что и данный массив. Метод np.ones_like() принимает четыре параметра и используется для возврата массива аналогичной формы и размера с заменой значений элементов массива на единицы. Форма и тип данных определяют те же атрибуты возвращаемого массива.
Синтаксис
|
1 |
numpy.ones_like(array,dtype,order,subok) |
Параметры
Принимает четыре параметра, два из которых являются необязательными.
- Первый параметр — это input array.
- Второй параметр — это subok, который является необязательным; он принимает логические значения, и если оно истинно, вновь созданный массив будет подклассом основного массива, а если ложно, то будет массивом базового класса.
- Третий параметр — order, представляющий порядок в памяти.
- Четвертый параметр — dtype, является необязательным и по умолчанию имеет значение float. Это тип данных возвращаемого массива.
Возвращаемое значение
Он возвращает массив элементов со значениями единицы.
Примеры программ с методом one_like() в Python
Пример 1
Напишем программу, показывающую работу функции one_like() в Python.
|
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 сохранили размер и форму массива и создали новый массив со всеми значениями в виде матрицы 4×4.
Пример 2
Напишем программу, которая берет матрицу 2×2 и применяет функцию one_like().
|
1 2 3 4 5 6 7 8 9 |
# app.py import numpy as np arr1 = np.arange(4).reshape(2, 2) print("Original array : \n", arr1) arr2 = np.ones_like(arr1, float) print("\nMatrix arr2 : \n", arr2) |
Выход
|
1 2 3 4 5 6 7 8 |
python3 app.py Original array : [[0 1] [2 3]] Matrix arr2 : [[1. 1.] [1. 1.]] |
В этом примере мы видим, что когда мы взяли массив 2 × 2 со значениями 0,1,2,3, новый массив создается с той же формой и размером со значением всех значений как 1.
