如何根据已知ndarray获得形状相同且全为N的新ndarray？

我们相信：世界是美好的，你是我也是。平行空间的世界里面，不同版本的生活也在继续...

本篇文章说的这几个函数，可以复制指定ndarray的shape信息。然后在这些指定形状的空位上，填充上相同的目标数据。有点像卡卡西的忍术复制功能。这些特殊的numpy功能函数就是:.zeros_like()、.ones_like()以及.full_like()。

苏南大叔的“程序如此灵动”技术博客，记录苏南大叔的代码经验总结。本文测试环境：win10，python@3.11.0，numpy@1.24.2。

前文回顾

在以前的文章中，苏南大叔曾经描述过：如何快速获得全为N的ndarray，并且也是有参数可以指定shape的。和本文的使用场景非常类似，只不过是本文的场景中，是去拓扑替换一个已有的ndarray。

本文对比专用范例：

import numpy as np
s1 = np.zeros(3)             # [0. 0. 0.]
s2 = np.ones((1, 3))         # [[1. 1. 1.]]
s3 = np.full((1, 3), 3.14)   # [[3.14 3.14 3.14]]
print(s1, s1.ndim, s1.shape) # [0. 0. 0.] 1 (3,)
print(s2, s2.ndim, s3.shape) # [[1. 1. 1.]] 2 (1, 3)
print(s3, s2.ndim, s3.shape) # [[3.14 3.14 3.14]] 2 (1, 3)

输出：

[0. 0. 0.] 1 (3,)
[[1. 1. 1.]] 2 (1, 3)
[[3.14 3.14 3.14]] 2 (1, 3)

参考文章：

• https://newsn.net/say/numpy-zeros.html
• https://newsn.net/say/numpy-full.html

基础测试代码

函数名称是：.zeros_like()、.ones_like()以及.full_like()。那么可以望文生义一下，然后再看看下面代码的运行结果。

import numpy as np

sn = np.full((1, 2), 6)
s0 = np.zeros_like(sn)
s1 = np.ones_like(sn)
s2 = np.full_like(sn, 7)
print(sn, sn.ndim, sn.shape)
print(s0, s0.ndim, s0.shape)
print(s1, s1.ndim, s1.shape)
print(s2, s2.ndim, s2.shape)

输出：

[[6 6]] 2 (1, 2)
[[0 0]] 2 (1, 2)
[[1 1]] 2 (1, 2)
[[7 7]] 2 (1, 2)

稍稍变换的测试代码

如果你以为轻松的通过望文生义了解了这几个_like系列函数，那么，请看下面的代码：

import numpy as np

sn = np.full((1, 2), "苏")
s0 = np.zeros_like(sn)
s1 = np.ones_like(sn)
s2 = np.full_like(sn, 7)
s3 = np.full_like(sn, 789)
s4 = np.full_like(sn, "技术博客")
print(sn, sn.ndim, sn.shape)
print(s0, s0.ndim, s0.shape)
print(s1, s1.ndim, s1.shape)
print(s2, s2.ndim, s2.shape)
print(s3, s3.ndim, s3.shape)
print(s4, s4.ndim, s4.shape)

输出：

[['苏' '苏']] 2 (1, 2)
[['' '']] 2 (1, 2)
[['1' '1']] 2 (1, 2)
[['7' '7']] 2 (1, 2)
[['7' '7']] 2 (1, 2)
[['技' '技']] 2 (1, 2)

很显然，每个结果似乎都出乎意料，都不符合预期。

• zeros_like，变成了空字符串。
• ones_like，变成了字符串1。
• full_like，不但变成了字符串，而且每个元素的长度也被限制为1。

所以，结论是：表面上这些_like()函数，复制的是目标变量的形状。实际上连目标变量的元素类型和长度也是完全复制的。这有些像苏南大叔以前写过的一篇文章：

• https://newsn.net/say/ndarray-issue.html

表格总结

这里可以想想看，在any()或者all()判断里面，为啥要把0、False、None还有空字符串，划为等号。

思考题目一

猜猜看，下面的代码输出是什么？

import numpy as np
sn = np.full((1, 2), "苏")
s0 = np.full_like(sn, 0)
s1 = np.full_like(sn, False)
s2 = np.full_like(sn, None)
s3 = np.full_like(sn, '')
print(sn, sn.ndim, sn.shape)
print(s0, s0.ndim, s0.shape)
print(s1, s1.ndim, s1.shape)
print(s2, s2.ndim, s2.shape)
print(s3, s3.ndim, s3.shape)

输出：

[['苏' '苏']] 2 (1, 2)
[['0' '0']] 2 (1, 2)
[['F' 'F']] 2 (1, 2)
[['N' 'N']] 2 (1, 2)
[['' '']] 2 (1, 2)

是不是，依然非常出乎意料？

思考题目二

下面的代码，运行结果更加出乎意料:

import numpy as np
sn = np.full((1, 2), 9)
s0 = np.full_like(sn, 0)
s1 = np.full_like(sn, False)
# s2 = np.full_like(sn, None)
# TypeError: int() argument must be a string, a bytes-like object or a real number, not 'NoneType'
# s3 = np.full_like(sn, '')
# ValueError: invalid literal for int() with base 10: ''
print(sn, sn.ndim, sn.shape)
print(s0, s0.ndim, s0.shape)
print(s1, s1.ndim, s1.shape)

输出：

[[9 9]] 2 (1, 2)
[[0 0]] 2 (1, 2)
[[0 0]] 2 (1, 2)

• 填充False，这次变成了整数0，而是不是字符串F。
• 填充None，直接报错，而是不是字符串N。
• 填充``，直接报错。

可能更好的方案

对比np.xxx_like()的不可控（原变量的dtype影响新变量），苏南大叔还是比较喜欢结果可控的代码：

import numpy as np
sn = np.full((1, 2), "苏")
s0 = np.full(sn.shape, 0)
s1 = np.full(sn.shape, False)
s2 = np.full(sn.shape, None)
s3 = np.full(sn.shape, '')
print(sn, sn.ndim, sn.shape)
print(s0, s0.ndim, s0.shape)
print(s1, s1.ndim, s1.shape)
print(s2, s2.ndim, s2.shape)
print(s3, s3.ndim, s3.shape)

输出结果，完全都在意料之中！可控！靠谱！

[['苏' '苏']] 2 (1, 2)
[[0 0]] 2 (1, 2)
[[False False]] 2 (1, 2)
[[None None]] 2 (1, 2)
[['' '']] 2 (1, 2)

结束语

综合上述观点，np.xxx_like()系列的函数，不光复制形状，还复制其它的特殊信息。这个过程是很不可控的。所以，如果可能，还是尽量使用本来最开始的那个np.zeros(shape)、np.ones(shape)、np.full(shape,item)来完成这个需求吧。

更多python精彩文章，请参考苏南大叔的博客：

• https://newsn.net/tag/python/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。