dask.array.full

dask.array.full¶

dask.array.full(shape, fill_value, *args, **kwargs)[源代码]¶

full_like 的阻塞变体

与 full_like 的签名完全一致，除了它还具有可选的关键字参数 chunks: int, tuple, 或 dict 和 name: str。

原始签名如下。

返回一个与给定数组具有相同形状和类型的完整数组。

参数

aarray_like: a 的形状和数据类型定义了返回数组的这些相同属性。
fill_valuearray_like: 填充值。
dtype数据类型，可选: 覆盖结果的数据类型。
顺序{‘C’, ‘F’, ‘A’, 或 ‘K’}，可选: 覆盖结果的内存布局。’C’ 表示 C 顺序，’F’ 表示 F 顺序，’A’ 表示如果 a 是 Fortran 连续的则为 ‘F’，否则为 ‘C’。’K’ 表示尽可能匹配 a 的布局。
subokbool, 可选。: 如果为 True，则新创建的数组将使用 a 的子类类型，否则它将是一个基类数组。默认为 True。
形状int 或 int 序列，可选。: 覆盖结果的形状。如果 order=’K’ 且维度数量不变，将尝试保持顺序，否则，隐含 order=’C’。

1.17.0 新版功能.
设备str, 可选: 创建的数组要放置的设备。默认值：None。仅用于数组API互操作性，因此如果传递，必须为 "cpu"。

2.0.0 新版功能.

返回

出ndarray: 与 a 具有相同形状和类型的 fill_value 数组。

参见

empty_like: 返回一个形状和类型与输入相同的空数组。
ones_like: 返回一个形状和类型与输入相同的由1组成的数组。
zeros_like: 返回一个形状和类型与输入相同的零数组。
full: 返回一个填充了指定值的新数组。

示例

>>> import numpy as np
>>> x = np.arange(6, dtype=int)
>>> np.full_like(x, 1)
array([1, 1, 1, 1, 1, 1])
>>> np.full_like(x, 0.1)
array([0, 0, 0, 0, 0, 0])
>>> np.full_like(x, 0.1, dtype=np.double)
array([0.1, 0.1, 0.1, 0.1, 0.1, 0.1])
>>> np.full_like(x, np.nan, dtype=np.double)
array([nan, nan, nan, nan, nan, nan])

>>> y = np.arange(6, dtype=np.double)
>>> np.full_like(y, 0.1)
array([0.1, 0.1, 0.1, 0.1, 0.1, 0.1])

>>> y = np.zeros([2, 2, 3], dtype=int)
>>> np.full_like(y, [0, 0, 255])  
array([[[  0,   0, 255],
        [  0,   0, 255]],
       [[  0,   0, 255],
        [  0,   0, 255]]])

dask.array.frompyfunc

dask.array.full_like