numpy中flatten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]

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.

Answer 1

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,)) 只要数组的步幅允许它,即使这意味着你并不总是得到一个连续的数组,它也会得到一个视图.

Answer 2

正如这里所解释的,一个关键的区别是它flatten是一个ndarray对象的方法,因此只能被调用为真正的numpy数组.相反,它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.

Answer 3

这是函数的正确名称空间：

• numpy.ndarray.flatten

• numpy.ravel

这两个函数均返回指向新存储器结构的展平一维数组。

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

在上例中：

• 结果的存储位置不同，
• 结果看起来一样
• 展平将返回副本
• ravel将返回一个视图。

我们如何检查某物是否是副本？使用的.base属性ndarray。如果是视图，则基础将是原始数组；如果是副本，则基数为None。