Numpy NP.zéros_ comme

Comme son nom l'indique, la fonction Numpy Zeros_like () génère un tableau de la même forme et du même type de données spécifié mais rempli de zéros.

En utilisant ce guide, nous discuterons de cette fonction, de sa syntaxe et de la façon de l'utiliser avec des exemples pratiques.

Syntaxe de fonction

La fonction fournit une syntaxe relativement simple comme indiqué ci-dessous:

nombant.zeros_like (a, dType = Aucun, ordre = 'k', subok = true, forme = aucun)

Paramètres de fonction

La fonction accepte les paramètres suivants.

1. A - fait référence au tableau d'entrée ou à l'objet array_.
2. DTYPE - Définit le type de données souhaité du tableau de sortie.
3. Ordre - Spécifie la disposition de la mémoire avec les valeurs acceptées comme:
   1. 'C' signifie C-Order
   2. 'F' signifie l'ordre F
   3. 'A' signifie 'f' si unest FORTRAN contigu, «C» sinon.
   4. 'K' signifie correspondre à la disposition de unaussi étroitement que possible.
4. Subok - Si vrai, le nouveau tableau utilise le type de sous-classe du tableau d'entrée ou de l'objet Array_like. Si cette valeur est définie sur False, utilisez le tableau de classe de base. Par défaut, cette valeur est définie sur true.
5. forme - écrase la forme du tableau de sortie.

Valeur de retour de fonction

La fonction renvoie un tableau rempli de zéros. Le tableau de sortie prend la même forme et le même type de données que le tableau d'entrée.

Exemple

Jetez un œil à l'exemple de code ci-dessous:

# Importer Numpy
Importer Numpy comme NP
# Créer une forme de tableau et un type de données
base_arr = np.arange (6, dtype = int).Reshape (2,3)
# Convertir en tableau zéro_
zéros_arr = np.Zeros_like (Base_arr, dtype = int, subok = true)
print (f "Array de base: base_arr")
print (f "Array Zeros: zeros_arr")

Laissez-nous décomposer le code ci-dessus.

1. Nous commençons par importer Numpy et lui donnant un alias de NP.
2. Ensuite, nous créons le tableau de base dont le type de forme et de données que nous souhaitons utiliser dans la fonction zeros_like (). Dans notre cas, nous générons un tableau à l'aide de la fonction d'arrangement et lui donnons la forme de (2,3)
3. Nous convertissons ensuite le tableau de base en un tableau zéro_ comme la fonction zeros_like.
4. Enfin, nous imprimons les tableaux.

Le code ci-dessus doit renvoyer les tableaux comme indiqué:

Tableau de base: [[0 1 2]
[3 4 5]]
Array Zeros: [[0 0 0]
[0 0 0]]

Exemple 2

L'exemple ci-dessous utilise le type de flottes de données.

base_arr = np.arange (6, dtype = int).Reshape (2,3)
# Convertir en tableau zéro_
zéros_arr = np.Zeros_like (Base_arr, dtype = float, subok = true)
print (f "Array de base: base_arr")
print (f "Array Zeros: zeros_arr")

Dans le code ci-dessus, nous spécifions le dtype = float. Cela devrait renvoyer un tableau zéro_ avec des valeurs à virgule flottante.

La sortie est telle que représentée ci-dessous:

Tableau de base: [[0 1 2]
[3 4 5]]
Array Zeros: [[0. 0. 0.]]
[0. 0. 0.]]

Conclusion

Dans cet article, nous avons couvert comment utiliser la fonction Numpy Zeros_like. Envisagez de modifier divers paramètres dans les exemples fournis pour mieux comprendre comment la fonction se comporte.

Vérifiez les documents pour plus et merci d'avoir lu!!!