何时使用`flatten()`而不是`reshape(-1)`？

Question

通常情况下，当numpy看起来有重复的函数时，往往会有某种独特的用途需要使用其中一种。

我正在试图弄清楚是否存在任何情况需要使用flatten()而不是reshape(-1)。

- SantoshGupta7

---

还有另一个选择，np.ravel（以及它的方法）。我倾向于使用它；它的行为更接近于reshape。 - hpaulj

Answer 1

flatten返回数组的一个副本。如果可能，reshape将返回一个视图。 例如，如果y = x.reshape（-1）是一个视图，则修改y也会修改x：

In [149]: x = np.arange(3)

In [150]: y = x.reshape(-1)

In [151]: y[0] = 99

In [152]: x
Out[152]: array([99,  1,  2])

但是由于y = x.flatten()是一个拷贝，修改y永远不会修改x：

In [153]: x = np.arange(3)

In [154]: y = x.flatten()

In [155]: y[0] = 99

In [156]: x
Out[156]: array([0, 1, 2])

---

下面是一个reshape返回副本而不是视图的例子：

In [161]: x = np.arange(24).reshape(4,6)[::2, :]

In [163]: y = x.reshape(-1)

In [164]: y[0] = 99

In [165]: x
Out[165]: 
array([[ 0,  1,  2,  3,  4,  5],
       [12, 13, 14, 15, 16, 17]])

由于对 y 进行赋值不会影响 x，因此我们知道 y 是 x 的副本，而不是视图。

- unutbu

---

所以第三个例子是虚构的，目的是为了展示视图和副本之间的区别？reshape 不可能返回一个副本吗？ - SantoshGupta7

这不是虚构。（但别只听我说，请自己尝试！）当没有单个常量可以描述1D数组的步幅时，x.reshape(-1)可能会返回一个副本。 - unutbu

@SantoshGupta7，np.reshape文档中提到了另一种方法arr.shape=-1，它可以原地操作，并在无法进行无复制重塑时引发错误。 - hpaulj

expand_dims()是什么？ - skan