dask.array.zeros

dask.array.zeros¶

dask.array.zeros(*args, **kwargs)¶

zeros_like 的阻塞变体

除了完全遵循 zeros_like 的签名外，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形状和类型相同的零数组。

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。
dtype数据类型，可选: 覆盖结果的数据类型。

1.6.0 新版功能.
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。

1.6.0 新版功能.
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零数组。

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。
full_like: 返回一个新数组，其形状与输入相同，并用指定值填充。
zeros: 返回一个将值设置为零的新数组。

示例

>>> import numpy as np
>>> x = np.arange(6)
>>> x = x.reshape((2, 3))
>>> x
array([[0, 1, 2],
       [3, 4, 5]])
>>> np.zeros_like(x)
array([[0, 0, 0],
       [0, 0, 0]])

>>> y = np.arange(3, dtype=float)
>>> y
array([0., 1., 2.])
>>> np.zeros_like(y)
array([0.,  0.,  0.])

dask.array.where

dask.array.zeros_like