numpy.ma.empty_like

原文：https://docs.scipy.org/doc/numpy/reference/generated/numpy.ma.empty_like.html

译者：飞龙 UsyiyiCN

校对：（虚位以待）

numpy.ma.empty_like(a, dtype=None, order='K', subok=True) = <numpy.ma.core._convert2ma instance>

返回具有与给定数组相同的形状和类型的新数组。

参数：	a：array_like a的形状和数据类型定义返回的数组的这些相同的属性。 dtype：数据类型，可选 覆盖结果的数据类型。 版本1.6.0中的新功能。 order：{'C'，'F'，'A'或'K'}，可选 覆盖结果的内存布局。'C'表示C阶，'F'表示F阶，'A'表示如果a是Fortran连续的'F'，否则为'C'。'K'表示尽可能接近a的布局。 版本1.6.0中的新功能。 subok：bool，可选。 如果为True，那么新创建的数组将使用子类类型'a'，否则将是一个基类数组。默认为True。
返回：	out：ndarray 具有与a相同形状和类型的未初始化（任意）数据的数组。

也可以看看

ones_like

返回具有输入的形状和类型的数组。

zeros_like

返回具有输入的形状和类型的零数组。

empty

返回一个新的未初始化数组。

ones

将新的数组设置值返回为1。

zeros

将新的数组设置值返回为零。

笔记

此函数不初始化返回的数组；可以使用zeros_like或ones_like来代替。它可能会稍微快于设置数组值的函数。

例子

>>> a = ([1,2,3], [4,5,6])                         # a is array-like
>>> np.empty_like(a)
array([[-1073741821, -1073741821,           3],    #random
       [          0,           0, -1073741821]])
>>> a = np.array([[1., 2., 3.],[4.,5.,6.]])
>>> np.empty_like(a)
array([[ -2.00000715e+000,   1.48219694e-323,  -2.00000572e+000],#random
       [  4.38791518e-305,  -2.00000715e+000,   4.17269252e-309]])