NP NP.Zeros_like

Como su nombre indica, la función Numpy Zeros_like () genera una matriz de la misma forma y tipo de datos especificada pero poblada con ceros.

Usando esta guía, discutiremos esta función, su sintaxis y cómo usarla con ejemplos prácticos.

Sintaxis de funciones

La función proporciona una sintaxis relativamente simple como se muestra a continuación:

numpy.zeros_like (a, dtype = none, orden = 'k', subok = true, shape = none)

Parámetros de función

La función acepta los siguientes parámetros.

1. A - se refiere a la matriz de entrada o un objeto Like_like.
2. dtype: define el tipo de datos deseado de la matriz de salida.
3. Orden: especifica el diseño de memoria con los valores aceptados como:
   1. 'C' significa orden C
   2. 'F' significa orden f
   3. 'A' significa 'f' si aes fortran contiguo, 'c' de lo contrario.
   4. 'K' significa coincidir con el diseño de alo mas cercano posible.
4. SUBOK: si es cierto, la nueva matriz usa el tipo de subclase de la matriz de entrada o el objeto matriz_like. Si este valor se establece en falso, use la matriz de clase base. Por defecto, este valor se establece en verdadero.
5. Forma: sobrescribe la forma de la matriz de salida.

Valor de retorno de la función

La función devuelve una matriz llena de ceros. La matriz de salida toma la misma forma y tipo de datos que la matriz de entrada.

Ejemplo

Eche un vistazo al código de ejemplo que se muestra a continuación:

# Importar Numpy
importar numpy como np
# crear una forma de matriz y tipo de datos
base_arr = np.Arange (6, dtype = int).remodelar (2,3)
# Convertir a una matriz de cero_like
zeros_arr = np.zeros_like (base_arr, dtype = int, subok = true)
print (f "Array base: base_arr")
print (f "array de ceros: zeros_arr")

Desglosemos el código anterior.

1. Comenzamos importando Numpy y dándole un alias de NP.
2. A continuación, creamos la matriz base cuya forma y tipo de datos deseamos usar en la función zeros_ike (). En nuestro caso, generamos una matriz utilizando la función Arreglar y le damos la forma de (2,3)
3. Luego convirtimos la matriz base en una matriz de cero_like usando la función Like_like.
4. Finalmente, imprimimos las matrices.

El código anterior debe devolver las matrices como se muestra:

Matriz base: [[0 1 2]
[3 4 5]]
ARRAYA DE ZEROS: [[0 0 0]
[0 0 0]]

Ejemplo 2

El siguiente ejemplo utiliza el tipo de datos de flotadores.

base_arr = np.Arange (6, dtype = int).remodelar (2,3)
# Convertir a una matriz de cero_like
zeros_arr = np.zeros_like (base_arr, dtype = float, subok = true)
print (f "Array base: base_arr")
print (f "array de ceros: zeros_arr")

En el código anterior, especificamos el dtype = float. Esto debería devolver una matriz de cero_ con valores de punto flotante.

La salida se muestra a continuación:

Matriz base: [[0 1 2]
[3 4 5]]
ARRAYA DE ZEROS: [[0. 0. 0.]
[0. 0. 0.]

Conclusión

En este artículo, cubrimos cómo usar la función numpy zeros_like. Considere alterar varios parámetros en los ejemplos proporcionados para comprender mejor cómo se comporta la función.

Consulte los documentos para obtener más información y gracias por leer!!!