Skip to content
NumPy

NumPy: Erstellen eines leeren ndarray mit np.empty() und np.empty_like()

Python

In diesem Artikel wird beschrieben, wie SIE ein nicht initialisiertes leeres NumPy-Array ndarray erstellen.

  • numpy.leer()
    • Geben Sie Form (Anzahl Zeilen, Spalten usw.) und Typ an
  • numpy.empty_like()
    • Erstellen Sie mit der gleichen Form und dem gleichen Typ wie das vorhandene Array

Obwohl es als „leer“ bezeichnet WIRD, Werden die im zugewiesenen Speicher schriftliche Werte gelesen, sodass das erstellte Array zufällige Werte.

Wenn Sie ndarray generieren möchten, dass Sie alle Elemente mit 0, 1 oder einem beliebigen Wert initialisieren, lesen Sie den following Artikel.

Erstellen Sie ein leeres ndarray mit numpy.empty()

Um ein leeres Array mit Angabe von Form und Dtype zu erstellen, verwenden Sie numpy.empty().

Geben Sie die Form des zu erstellenden Arrays an.

import numpy as np

print(np.empty(3))
# [ -3.10503618e+231  -3.10503618e+231  -3.10503618e+231]

print(np.empty((2, 3)))
# [[ -3.10503618e+231   2.68677888e+154   6.92663118e-310]
#  [  1.06099790e-313   6.92663119e-310   4.17211958e-309]]

Standardmäßig ist dtype Float64. Sie können es auch mit dem Argument dtype angeben.

print(np.empty(3).dtype)
# float64

print(np.empty(3, dtype=np.int))
# [-1152921504606846976 -1152921504606846976 -1152921504606846974]

print(np.empty(3, dtype=np.int).dtype)
# int64

Weitere Informationen zum Datentyp dtype in NumPy finden Sie im following Artikel.

Erstellen Sie ein leeres ndarray mit numpy.empty_like()

Verwenden Sie numpy.empty_like(), um ein leeres Array mit der gleichen Form und dem gleichen Typ wie ein vorhandenes Array zu erstellen.

Geben Sie ein vorhandenes Array an. Der dtype des erstellten Arrays ist derselbe wie der dtype des ursprünglichen Arrays.

a_int = np.arange(6).reshape((2,3))
print(a_int)
# [[0 1 2]
#  [3 4 5]]

print(np.empty_like(a_int))
# [[8070450532247928832 6917537789928580555     140196575903747]
#  [        21474836480     140196576086528     844446404968448]]

a_float = np.arange(6).reshape((2,3)) / 10
print(a_float)
# [[ 0.   0.1  0.2]
#  [ 0.3  0.4  0.5]]

print(np.empty_like(a_float))
# [[  0.00000000e+000   4.94065646e-324   9.88131292e-324]
#  [  1.48219694e-323   1.97626258e-323   2.47032823e-323]]

Sie können auch einen Typ mit dem Argument dtype angeben.

print(np.empty_like(a_float, dtype=np.int))
# [[0 1 2]
#  [3 4 5]]

Verwandte Artikel: