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]
两个函数都返回相同的列表。那么两个不同功能执行相同工作的需求是什么。
目前的API是:
flatten
总是返回一份副本。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。如果修改从flatten返回的数组中的条目,则永远不会发生这种情况。 ravel通常会更快,因为没有内存被复制,但你必须更加小心修改它返回的数组。reshape((-1,))
就会获得一个视图,即使这意味着你并不总是得到一个连续的数组。正如here所解释的那样,一个关键的区别是flatten
是一个ndarray对象的方法,因此只能被称为真正的numpy数组。相比之下,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()
将在ndarrays列表上工作,而flatten不适用于该类型的对象。
@IanH还在他的回答中指出了与记忆处理的重要区别。
这是函数的正确命名空间:
这两个函数都返回指向新内存结构的扁平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
在上面的例子中:
我们如何检查是否有副本?使用.base
的ndarray
属性。如果是视图,则基数将是原始数组;如果它是副本,基地将是None
。