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

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。