391 
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。

4

3 回答 3

481

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。
  • reshape((-1,))每当数组的步幅允许时获取视图，即使这意味着您并不总是得到一个连续的数组。
于 2015-03-08T19:00:12.300 回答
75

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。

  • 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 ndarrays 列表，flatten而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。

于 2016-11-26T02:45:24.087 回答
28

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. .base_ ndarray如果是视图，则基数将是原始数组；如果是副本，则基数为None.

检查是否a2是副本a1

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

出去：

(140735713795296, 140735713795296)
于 2019-01-22T17:11:31.353 回答