📅 最后修改于: 2020-06-01 12:11:13 🧑 作者: Mango
numpy.ones_like(array，dtype = None，order =’K’，subok = True)：返回给定形状和类型的数组为给定数组，内部元素都是1：
参数：
array：类似array_的输入
subok：[可选，boolean]如果为true，则新创建的数组将是array的子类；
否则，一个基类数组
order：C_contiguous或F_contiguous
内存中的C连续顺序(最后一个索引变化最快)
C顺序表示在阵列上逐行操作会更快
内存中的FORTRAN连续顺序(第一个索引变化最快)。
F顺序表示逐列运算将更快。
dtype：[可选，float(byDefault)]返回的数组的数据类型。
返回值：
具有给定形状，顺序和数据类型的ndarray。
# Python编程说明numpy.ones_like方法
import numpy as geek
array = geek.arange(10).reshape(5, 2)
print("Original array : \n", array)
b = geek.ones_like(array, float)
print("\nMatrix b : \n", b)
array = geek.arange(8)
c = geek.ones_like(array)
print("\nMatrix c : \n", c) 输出：
原始数组：
[[0 1]
[2 3]
[4 5]
[6 7]
[8 9]]
矩阵b：
[[1. 1.]
[1. 1.]
[1. 1.]
[1。 1.]
[1. 1.]]
矩阵c：
[1 1 1 1 1 1 1 1 1]