在數(shù)據(jù)分析、機(jī)器學(xué)習(xí)與科學(xué)計(jì)算中經(jīng)常需要?jiǎng)?chuàng)建一個(gè)與現(xiàn)有數(shù)組形狀相同、但值全為零的新數(shù)組。

這時(shí)，NumPy 提供了一個(gè)非常方便的函數(shù) —— numpy.zeros_like()。

當(dāng)想要一個(gè)“和現(xiàn)有數(shù)組一樣大，但全是零”的數(shù)組時(shí)，記得用 zeros_like()。

本文將深入介紹它的用法、參數(shù)、應(yīng)用場(chǎng)景以及與 numpy.zeros() 的區(qū)別。

一、函數(shù)簡(jiǎn)介

numpy.zeros_like() 是 NumPy 提供的一個(gè)用于創(chuàng)建零數(shù)組的函數(shù)。

它根據(jù)給定的數(shù)組（或類數(shù)組對(duì)象）創(chuàng)建一個(gè)形狀、類型相同的新數(shù)組，但所有元素都被初始化為 0。

numpy.zeros_like(a, dtype=None, order='K', subok=True, shape=None)

官方文檔介紹地址numpy.zeros_like

二、參數(shù)詳解

三、基本用法示例

示例 1：最簡(jiǎn)單的用法

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.zeros_like(a)

print("原數(shù)組 a：\n", a)
print("zeros_like 生成的新數(shù)組 b：\n", b)

輸出：

原數(shù)組 a：
 [[1 2 3]
  [4 5 6]]
zeros_like 生成的新數(shù)組 b：
 [[0 0 0]
  [0 0 0]]

會(huì)發(fā)現(xiàn)：

• b 與 a 的形狀完全一致
• 元素類型（dtype）也相同
• 所有元素都為 0

示例 2：指定數(shù)據(jù)類型

b = np.zeros_like(a, dtype=float)
print(b)

輸出：

[[0. 0. 0.]
 [0. 0. 0.]]

小技巧：當(dāng)希望創(chuàng)建一個(gè)浮點(diǎn)型零矩陣（如在神經(jīng)網(wǎng)絡(luò)中初始化權(quán)重），可以通過(guò) dtype=float 實(shí)現(xiàn)。

示例 3：指定不同形狀

b = np.zeros_like(a, shape=(3, 3))
print(b)

輸出：

[[0 0 0]
 [0 0 0]
 [0 0 0]]

雖然參考了 a，但通過(guò) shape 參數(shù)指定了一個(gè)新的形狀 (3, 3)。

示例 4：處理多維數(shù)組

tensor = np.arange(24).reshape(2, 3, 4)
zeros_tensor = np.zeros_like(tensor)

print("原數(shù)組形狀：", tensor.shape)
print("zeros_like 結(jié)果形狀：", zeros_tensor.shape)

輸出：

原數(shù)組形狀： (2, 3, 4)
zeros_like 結(jié)果形狀： (2, 3, 4)

非常適合在深度學(xué)習(xí)中創(chuàng)建梯度矩陣或緩存變量。

四、與numpy.zeros()的區(qū)別

示例對(duì)比

a = np.arange(6).reshape(2, 3)
z1 = np.zeros((2, 3))
z2 = np.zeros_like(a)

print(z1)
print(z2)

輸出結(jié)果相同，但 z2 的創(chuàng)建過(guò)程更簡(jiǎn)潔，更安全（不易出錯(cuò)）。

五、性能分析

import numpy as np
import time

a = np.random.rand(1000, 1000)

# zeros
start = time.time()
z1 = np.zeros(a.shape)
print("zeros 耗時(shí)：", time.time() - start)

# zeros_like
start = time.time()
z2 = np.zeros_like(a)
print("zeros_like 耗時(shí)：", time.time() - start)

兩者性能非常接近，但 zeros_like() 避免了顯式指定形狀，代碼更簡(jiǎn)潔、更可維護(hù)。

六、實(shí)際應(yīng)用場(chǎng)景

1. 矩陣運(yùn)算初始化

result = np.zeros_like(matrix)

2. 神經(jīng)網(wǎng)絡(luò)梯度緩存

grad_W = np.zeros_like(weights)

3. 掩碼操作或圖像處理

mask = np.zeros_like(image, dtype=bool)

4. 科學(xué)計(jì)算的占位符數(shù)組

temp = np.zeros_like(data, dtype=float)

七、總結(jié)

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評(píng)論