numpy.zeros_like() 中 subok 选项的目的和用途是什么？

Question

使用 numpy\'s Zeros_like和相关函数，有一个选项

\n

\n

subok：布尔值，可选。

\n

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

\n

如果为True，则新创建的数组将使用\xe2\x80\x98a\xe2\x80\x99的子类类型，否则为基类数组。默认为 True。

\n

\n

我假设所有 numpy 数组都是类ndarray，并且我从来不需要详细查看数组的子类。在什么情况下我可能想选择不使用相同的子类，而指定使用基类？

\n

Answer 1

目的和用途是什么？...？

目的 ：

调用签名有助于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“重新处理” 并.shape实例化同一个类，则使用subok = False，生成的*_alike()将不会获得相同的类，如给出生成输出的过程的“示例” *_alike()：

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]])

公用事业 ：

这些subok- 标志在更多函数中很常见numpy（不仅是*_like()-s，也在np.array( ... )），出于同样的目的，因为它对于智能类型修改代码设计非常有用，其中产品的所需类型已知为“生成” “如果需要事后修改，因此可以在没有不当的类相关开销的情况下实现过程和结果。