Python numpy.zeros_like()中subok选项的用途和效用是什么?
使用numpy和相关函数,有一个选项 subok:bool,可选Python numpy.zeros_like()中subok选项的用途和效用是什么?,python,class,numpy,subclass,Python,Class,Numpy,Subclass,使用numpy和相关函数,有一个选项 subok:bool,可选 numpy.zero_like(a,dtype=None,order='K',subok=True) 如果为True,则新创建的数组将使用子类类型“a”,否则它将是基类数组。默认为True 我假设所有的numpy数组都属于类ndarray,我从来没有必要详细查看数组的子类。在什么情况下我可能不想使用相同的子类,指定基类的使用 什么是目的和效用 目的: 调用签名有助于通过已处理的实例类型,如下所示: >>> np.
numpy.zero_like(a,dtype=None,order='K',subok=True)
如果为True,则新创建的数组将使用子类类型“a”,否则它将是基类数组。默认为True
我假设所有的numpy数组都属于类ndarray
,我从来没有必要详细查看数组的子类。在什么情况下我可能不想使用相同的子类,指定基类的使用
什么是目的和效用
目的:
调用签名有助于通过已处理的实例类型,如下所示:
>>> np.array( np.mat( '1 2; 3 4' ), # array-to-"process"
subok = True # FLAG True to ["pass-through"] the type
)
matrix([[1, 2],
[3, 4]]) # RESULT is indeed the instance of matrix
相反,如果不愿意“重新处理”这两个.shape
并使用subok=False
实例化同一个类,则生成的*\u like()
将不会得到相同的类,因为“示例”给出的过程是使*\u like()
生成的输出:
type( np.mat( '1 2;3 4' ) ) # <class 'numpy.matrixlib.defmatrix.matrix'>
type( np.array( np.mat( '1 2;3 4' ) ) ) # <type 'numpy.ndarray'>
type( np.zeros_like( np.mat( '1 2;3 4' ) ) ) # <class 'numpy.matrixlib.defmatrix.matrix'>
>>> np.zeros_like( np.mat( '1 2;3 4' ), subok = True )
matrix([[0, 0],
[0, 0]])
>>> np.zeros_like( np.mat( '1 2;3 4' ), subok = False )
array([[0, 0],
[0, 0]])
类型(np.mat('12;34'))#
类型(np.array(np.mat('12;34'))#
类型(np.zeros_like(np.mat('12;34'))#
>>>np.zero_like(np.mat('12;34'),subok=True)
矩阵([[0,0],
[0, 0]])
>>>np.zero_-like(np.mat('12;34'),subok=False)
数组([[0,0],
[0, 0]])
实用程序:
这些
subok
-标志在更多的numpy
函数中很常见(不仅是*\u like()
-s,在np.array(…)
-s中也是如此),因为它对于智能类型修改代码设计非常有用,其中所需的产品类型为“生成”用户所知-因此,如果需要事后修改,则无需过度的类相关开销即可实现过程和结果。`np.matrix`和MaskedArray
是ndarray
subclasses@hpaulj谢谢你,;这正是我想要听到的。我从来没有在我做的事情中使用过任何一个,所以我从来没有想到过;感谢您花时间详细解释!现在我要通读一遍,看看能学到什么。