Abstract

np.zerosとnp.zeros_likeはdtypeに関する振る舞いが異なるので気を付けようという話

環境

Windows 10
Python 3.10.9
numpy 1.24.2

import numpy as np

落とし穴

np.zerosとnp.zeros_likeは次のように相互に書き換えられるとよく紹介されます。

>>> x = np.arange(0, 5, 0.2)
>>> x
array([0. , 0.2, 0.4, 0.6, 0.8, 1. , 1.2, 1.4, 1.6, 1.8, 2. , 2.2, 2.4,
       2.6, 2.8, 3. , 3.2, 3.4, 3.6, 3.8, 4. , 4.2, 4.4, 4.6, 4.8])
>>> a = np.zeros(x.shape)
>>> a
array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
       0., 0., 0., 0., 0., 0., 0., 0.])
# こう書いても同じだよ！
>>> b = np.zeros_like(x)
>>> b
array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
       0., 0., 0., 0., 0., 0., 0., 0.])

次の例では、同じ結果になっていません。

>>> x = np.arange(5)
>>> a = np.zeros(x.shape)
>>> a
array([0., 0., 0., 0., 0.])
>>> b = np.zeros_like(x)
>>> b
array([0, 0, 0, 0, 0])
# dtypeが違う！！
>>> x.dtype, a.dtype, b.dtype
(dtype('int32'), dtype('float64'), dtype('int32'))

# dtypeを指定してあげないと同じ結果にならない
>>> b = np.zeros_like(x, dtype = np.float64)
>>> b
array([0., 0., 0., 0., 0.])

つまり同じ結果になるのはx.dtype == np.float64の時だけです。

np.zerosはdtypeを引数で指定しない場合はnp.float64になります。
一方でnp.zeros_likeは受け取ったnumpy配列のdtypeを引き継ぐようになっています。

そのため、単にshapeが同じ配列を作りたいという時は、意識しておいてdtypeを指定しましょう。