numpy.zeros ou like()中subok选项的用途和效用是什么?

什么 是 目的 和 效用 …?

目的:

呼叫签名 帮助 或者传递已处理的实例类型,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“再加工”两者 .shape 并使用 subok = False ,生产的 *_alike() 将不会得到相同的类,如“示例”中给出的进程 -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]])

实用程序:

这些 subok -旗子在更多地方很常见 numpy 功能(不仅仅是 *_like() -S,也在 np.array( ... ) ,因为它对智能类型修改代码设计非常有用,在这种情况下,“生成”过程知道所需的产品类型,因此,如果需要事后修改,则可以在没有不当的类相关开销的情况下实现结果。