NumPy中zeros_like()函数的使用及说明
作者：Geoking.
本文介绍了NumPy的numpy.zeros_like()函数,包括其用法、参数、与numpy.zeros()的区别,以及在科学计算、机器学习等领域的应用场景,强调其能够简便高效地创建与现有数组形状和类型相同的全零数组
在数据分析、机器学习与科学计算中经常需要创建一个与现有数组形状相同、但值全为零的新数组。
这时，NumPy 提供了一个非常方便的函数 —— numpy.zeros_like()。
当想要一个“和现有数组一样大，但全是零”的数组时，记得用 zeros_like()。
本文将深入介绍它的用法、参数、应用场景以及与 numpy.zeros() 的区别。
一、函数简介
numpy.zeros_like() 是 NumPy 提供的一个用于创建零数组的函数。
它根据给定的数组（或类数组对象）创建一个形状、类型相同的新数组，但所有元素都被初始化为 0。
numpy.zeros_like(a, dtype=None, order='K', subok=True, shape=None)
官方文档介绍地址numpy.zeros_like
二、参数详解
| 参数名 | 说明 | 默认值 |
|---|---|---|
| a | 用作模板的数组或类数组对象 | 必填 |
| dtype | 指定返回数组的数据类型 | 默认为 a的数据类型 |
| order | 内存布局方式：'C'（行优先）或 'F'（列优先） | 'K'（保持与 a一致） |
| subok | 若为 True，则子类保持原类型；否则返回 np.ndarray | True |
| shape | 可选，用于重新指定形状 | None |
三、基本用法示例
示例 1：最简单的用法
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.zeros_like(a)
print("原数组 a：\n", a)
print("zeros_like 生成的新数组 b：\n", b)
输出：
原数组 a： [[1 2 3] [4 5 6]] zeros_like 生成的新数组 b： [[0 0 0] [0 0 0]]
会发现：
b与a的形状完全一致- 元素类型（dtype）也相同
- 所有元素都为
0
示例 2：指定数据类型
b = np.zeros_like(a, dtype=float) print(b)
输出：
[[0. 0. 0.] [0. 0. 0.]]
小技巧：当希望创建一个浮点型零矩阵（如在神经网络中初始化权重），可以通过 dtype=float 实现。
示例 3：指定不同形状
b = np.zeros_like(a, shape=(3, 3)) print(b)
输出：
[[0 0 0] [0 0 0] [0 0 0]]
虽然参考了 a，但通过 shape 参数指定了一个新的形状 (3, 3)。
示例 4：处理多维数组
tensor = np.arange(24).reshape(2, 3, 4)
zeros_tensor = np.zeros_like(tensor)
print("原数组形状：", tensor.shape)
print("zeros_like 结果形状：", zeros_tensor.shape)
输出：
原数组形状： (2, 3, 4) zeros_like 结果形状： (2, 3, 4)
非常适合在深度学习中创建梯度矩阵或缓存变量。
四、与numpy.zeros()的区别
| 函数 | 创建方式 | 形状来源 | 常用场景 |
|---|---|---|---|
| numpy.zeros(shape) | 手动指定形状 | 由参数提供 | 创建全零数组 |
| numpy.zeros_like(a) | 基于参考数组 | 继承自数组 a | 创建相同结构的零数组 |
示例对比
a = np.arange(6).reshape(2, 3) z1 = np.zeros((2, 3)) z2 = np.zeros_like(a) print(z1) print(z2)
输出结果相同，但 z2 的创建过程更简洁，更安全（不易出错）。
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 耗时：", time.time() - start)
# zeros_like
start = time.time()
z2 = np.zeros_like(a)
print("zeros_like 耗时：", time.time() - start)
两者性能非常接近，但 zeros_like() 避免了显式指定形状，代码更简洁、更可维护。
六、实际应用场景
- 矩阵运算初始化
result = np.zeros_like(matrix)
- 神经网络梯度缓存
grad_W = np.zeros_like(weights)
- 掩码操作或图像处理
mask = np.zeros_like(image, dtype=bool)
- 科学计算的占位符数组
temp = np.zeros_like(data, dtype=float)
七、总结
| 特性 | zeros_like() |
|---|---|
| 功能 | 创建一个与给定数组形状和类型相同的零数组 |
| 优点 | 简洁、安全、自动继承 dtype 与 shape |
| 常见用途 | 初始化、占位、缓存矩阵、图像掩码 |
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。