numpy.zeros_like（）中subok选项的用途和用途是什么？

Question

使用numpy的zeros_like及相关功能，有一个选项

  

subok： bool，可选。

     

numpy.zeros_like（a，dtype = None，order =＆＃39; K＆＃39;，subok = True

     

如果为True，则新创建的数组将使用子类类型'a'，否则它将是基类数组。默认为True。

我假设所有numpy数组都属于ndarray类，我从未需要详细查看数组的子类。在什么情况下我可以选择不使用相同的子类，指定使用基类？

Answer 1

  

是目的和实用程序 ...？

目的：

呼叫签名帮助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＆＃34;重新处理＆＃34; .shape并使用 subok = False 实例化相同的类，生成的*_alike()将不会获得相同的类，例如＆＃34;示例＆＃34 ;该过程用于生成*_alike() - 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]])

效用：

这些subok - 这些标记在更多numpy个函数（不仅是*_like() - s，也在np.array( ... )）中很常见，出于同样的目的，因为它对于智能类型修改代码设计是非常有用的，其中产生所需类型的产品并且生成＆＃34; -process，因此如果事后修改是，则不会产生与类相关的过度开销，从而实现结果。否则需要。