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。那么执行相同工作的两个不同功能需要什么。
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,但是如果您修改 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,因为没有复制内存,但是您必须更加小心地修改它返回的数组。
只要数组的步幅允许, reshape((-1,)) 就会获得一个视图,即使这意味着您并不总是获得一个连续的数组。
正如 here 所解释的,一个关键区别在于:
flatten 是 ndarray 对象的一种方法,因此只能为真正的 numpy 数组调用。
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
将适用于 ndarray 列表,而 flatten
不适用于该类型的对象。
@IanH 在他的回答中还指出了与内存处理的重要区别。
ndarray
列表上工作的 ravel() 的信息
这是函数的正确命名空间:
numpy.ndarray.flatten
numpy.ravel
这两个函数都返回指向新内存结构的扁平一维数组。
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:
结果的内存位置不同,
结果看起来一样
flatten 会返回一个副本
ravel 会返回一个视图。
我们如何检查某个东西是否是副本?使用 ndarray
的 .base
属性。如果是视图,则基数将是原始数组;如果是副本,则基数为 None
。
检查 a2
是否是 a1
的副本
import numpy
a1 = numpy.array([[1,2],[3,4]])
a2 = a1.copy()
id(a2.base), id(a1.base)
出去:
(140735713795296, 140735713795296)
id(a1.base)
应与 id(a2.base)
相同
不定期副业成功案例分享
a.flatten()
以确保获得副本,a.ravel()
避免大多数副本,但仍保证返回的数组是连续的,并且a.reshape((-1,))
在数组的步幅允许时真正获得视图,即使这意味着您并不总是获得连续的数组。ravel
保证一个连续的数组,因此不能保证它返回一个视图;reshape
总是返回一个视图,因此不能保证它返回一个连续的数组。ravel
?这个名字背后的想法是什么?