目录
一、前言
我们在了解zeros_like函数之前，想先带大家了解一下zeros函数。
1、zeros()函数
如果已经熟练使用zeros函数的同学可以直接跳转到下一节！！！
先上一张官方手册：
英文版：
; 2、一言以蔽之
numpy.zeros()
参数
1）shape：使用int型或者元组类型的数组
2）dtype：数据类型（可选填，默认为numpy.float64）
比如我们常用的 dtype = numpy.int32，基本上numpy的api都会有这个可选参数
3）order：内存中的存储方式（可选填，默认为’C’存储/默认行优先存储）
order:{‘C’,’F’}
C代表行优先存储，F代表列优先存储
4）*
这个看图片没有解释啥意思，我也在学习
如果有知道的同学可以顺便帮忙补充一下
5）like：传入array_like（可选填，1.20.0新添加的功能）
简言之就是使用 对象创建不属于NumPy的数组。如果array_like当做like传入的话，必须保证创建的数组对象要适用于刚刚通过like传入的参数。
听起来就头大，这里可以简单任务like要和array_like要匹配
返回值:ndarray
给定shape，dtype，order条件下的数组
3、简单代码
import numpy as np
print(np.zeros(5))
print(np.zeros(3,order='F'))
print(np.zeros((3,2),dtype=np.int32))
arr = (2,3)
print(np.zeros(arr))
二、zeros_like()函数
先上一张官方手册
英文版：
; 1、一言以蔽之
参数：
1）a：array_like
已经定义了这些返回类型的相同维度和数据类型的数组
2）dtype:覆盖结果的数据类型（可选填）
3）order：覆盖结果的内存布局
order={‘C’,’F’,’A’,’K’}
C:使用C阶（行存储）
F:使用F阶（列存储）
A:如果数组a是连续的，则A等于F。否则A等于C
K:表示要尽可能的匹配到a的shape
4）subok：布尔类型（可选填）
如果是True，新创建的数组使用a的子类类型。
否则是基类数组。
默认为True。
5）shape：整数或整数序列（可选填）
覆盖之前结果的shape
如果order=’K’，并且维度的数量不改变，将会一直保持order。
否则order=’C’是隐含的
返回值：ndarray
和a同样的shape和数据类型（type）的子类零数组（向量）
三、简单代码
import numpy as np
x = np.arange(6)
x = x.reshape((2,3))
y = np.zeros_like(x)
x = np.arange(3.5,dtype = float)
y = np.zeros_like(x)
四、总结
以下为个人观察总结，要是有不对的地方，麻烦各位同学指出改正！！！
我在比较了 ones_与 _ones_like，以及 _zeros_与 _zeros_like_函数之后发现了这两队函数都有很大的相似之处。
ones与zeros函数类似，只不过把数组中的0换成了1。
ones_like与zeros_like也类似。佐证来源：两者函数的返回值
zeros：Array of zeros with the given shape, dtype, and order.
zeros_like：Array of zeros with the same shape and type as a.
Original: https://blog.csdn.net/weixin_41377182/article/details/123724125
Author: ac不知深
Title: NumPy学习笔记（二）—— zeros_like()函数（包含zeros函数）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/757562/
转载文章受原作者版权保护。转载请注明原作者出处！