在 Numpy 中返回一个与给定数组形状相同但更改默认类型的新数组
numpyserver side programmingprogramming更新于 2025/9/2 15:52:17
要返回一个与给定数组形状和类型相同的新数组，请使用 Python Numpy 中的 numpy.empty_like() 方法。该方法返回一个未初始化(任意)数据的数组，其形状和类型与原型相同。此处的第一个参数是原型(类数组)的形状和数据类型，它们定义了返回数组的相同属性。第二个参数是 dtype，即我们想要的结果数组的数据类型。
顺序会覆盖结果的内存布局。"C"表示 C 顺序，"F"表示 F 顺序，"A"表示如果原型是 Fortran 连续的，则为"F"，否则为"C"。 ‘K’ 表示尽可能匹配原型的布局。shape 会覆盖结果的形状。如果 order=’K’ 且维度数保持不变，则尝试保持 order 值;否则，默认 order=’C’。overrides 参数会覆盖结果的数据类型。
subok 参数如果为 True，则新创建的数组将使用原型的子类类型，否则将使用基类数组。默认为 True。
步骤
首先，导入所需的库 −
import numpy as np
使用 Python Numpy 中的 numpy.array() 方法创建一个新数组 −
arr = np.array([[35.7, 56.2, 66.4], [88.2, 73.7, 98.3]])
显示数组 −
print("数组...
",arr)
获取数组的类型 −
print("
数组类型...
", arr.dtype)
获取数组的维度 −
print("
数组维度...
", arr.ndim)
要返回与给定数组具有相同形状和类型的新数组，请使用 Python Numpy 中的 numpy.empty_like() 方法 −
newArr = np.empty_like(arr, dtype = int)
print("
新数组..
", newArr)
获取新数组的类型 −
print("
新数组类型...
", newArr.dtype)
获取新数组的维度 −
print("
新数组维度...
", newArr.ndim)
示例
import numpy as np
# 使用 Python Numpy 中的 numpy.array() 方法创建一个新数组
arr = np.array([[35.7, 56.2, 66.4], [88.2, 73.7, 98.3]])
# 显示数组
print("数组...
",arr)
# 获取数组的类型
print("
数组类型...
", arr.dtype)
# 获取数组的维度
print("
数组维度...
", arr.ndim)
# 要返回与给定数组形状和类型相同的新数组，请使用 Python Numpy 中的 numpy.empty_like() 方法。
# 它返回一个未初始化(任意)数据的数组，其形状和类型与原型相同。
# 这里的第一个参数是原型(类数组)的形状和数据类型，它们定义了返回数组的相同属性。
# 第二个参数是数据类型，即我们想要的结果数组的数据类型。
newArr = np.empty_like(arr, dtype = int)
print("
新数组..
", newArr)
# 获取新数组的类型
print("
新数组类型...
", newArr.dtype)
# 获取新数组的维度
print("
新数组维度...
", newArr.ndim)
输出
数组... [[35.7 56.2 66.4] [88.2 73.7 98.3]] 数组类型... float64 数组维度... 2 新数组.. [[4630221145643784602 4633106264155068826 4634372901550266778] [4635906940173339853 4634886593382763725 4636617664489534259]] 新数组类型... int64 新数组维度... 2
