numpy中的flature和ravel函数有什么区别？

Question

import numpy as np
y = np.array(((1,2,3),(4,5,6),(7,8,9)))
OUTPUT:
print(y.flatten())
[1   2   3   4   5   6   7   8   9]
print(y.ravel())
[1   2   3   4   5   6   7   8   9]

这两个函数返回相同的列表。那么两个不同的功能执行相同的工作需要什么。

Answer 1

这是函数的正确命名空间：

>

numpy.narray扁平

numpy.ravel

这两个函数都返回指向新内存结构的扁平化 1D 数组。

import numpy
a = numpy.array([[1,2],[3,4]])

r = numpy.ravel(a)
f = numpy.ndarray.flatten(a)  

print(id(a))
print(id(r))
print(id(f))

print(r)
print(f)

print("\nbase r:", r.base)
print("\nbase f:", f.base)

---returns---
140541099429760
140541099471056
140541099473216

[1 2 3 4]
[1 2 3 4]

base r: [[1 2]
 [3 4]]

base f: None

在上面的示例中：

• 结果的内存位置不一样，
• 结果看起来一样
• flatten会退回一份
• ravel会返回一个视图。

我们如何检查某些东西是否是副本？使用 ndarray 的 .base 属性。如果是视图，则基数将为原始数组;如果是副本，则基数将为“无”。

检查 a2 是否为 a1 的副本

import numpy
a1 = numpy.array([[1,2],[3,4]])
a2 = a1.copy()
id(a2.base), id(a1.base)

出：

(140735713795296, 140735713795296)

Answer 2

正如这里所解释的，一个关键的区别是：

>

flatten是ndarray对象的一种方法，因此只能为真正的numpy数组调用。

< code>ravel是一个库级函数，因此可以在任何可以成功解析的对象上调用。

例如，ravel 将处理一个 ndarray 列表，而扁平化则不适用于该类型的对象。

@IanH在回答中还指出了与内存处理的重要区别。

Answer 3

当前的API是：

• flatten总是返回一个副本。
• ravel尽可能返回原始数组的视图。这在打印输出中不可见，但如果您修改ravel返回的数组，它可能会修改原始数组中的条目。如果您修改从flatten返回的数组中的条目，这将永远不会发生。ravel通常会更快，因为没有内存被复制，但您必须更加小心地修改它返回的数组。
• reshape（（-1，））在数组的步幅允许时获取视图，即使这意味着您并不总是获得连续数组。