numpy中的flatten和ravel函数有什么区别？

Question

numpy中的flatten和ravel函数有什么区别？

pythonnumpymultidimensional-arrayflattennumpy-ndarray

435

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]

这两个函数返回相同的列表。那么为什么需要两个不同的函数执行同样的工作呢。

- cryptomanic

25

拉维尔通常返回现有数组的视图（有时返回副本）。展平操作会返回一个新的数组。 - Alex

5

可能是与Numpy中的flatten和ravel有什么区别？重复的内容。 - finnw

1

这里有一个实际演示微妙差别的例子，与numpy中的flatten和ravel函数有关。 - prosti

有人能举个例子，什么情况下最好将数组压平，什么情况下最好将其展开？ - Aleksandar

谢谢您的提问，我也有同样的问题。 - LoneCodeRanger

3个回答

87

如这里所解释的关键区别在于：

flatten是ndarray对象的一个方法，因此只能应用于真正的numpy数组。
ravel是一个库级函数，因此可以应用于任何可以成功解析的对象。

例如，ravel将在ndarrays列表上工作，而flatten不可用于该类型的对象。

@IanH在他的回答中还指出了重要的内存处理差异。

- Bryan P

7

谢谢您提供有关ravel()在“ndarray”列表上运行的信息。 - WestCoastProjects

1

不仅仅是数组列表，还有列表的列表 :) - timtody

31

以下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化的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:

结果的内存位置不同
结果看起来相同
flatten会返回一个副本
ravel会返回一个视图

如何检查某个对象是否是副本？使用ndarray的.base属性。如果它是一个视图，基础将是原始数组；如果它是副本，则基础将为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)

输出：

(140735713795296, 140735713795296)

- prosti

1

id(a1.base) should be the same as id(a2.base) - prosti

1

a1.base 和 a2.base 都是 None，这就是为什么基础的 id 可能会相同。但由于复制，id(a1) 和 id(a2) 是不同的。如果 a2 是 a1 的切片，则基础将不同，在这种情况下，“a1.base 为 None”但“a2.base 为 a1”。 - P2000

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- IanH · Accepted Answer

当前API的情况是:

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，但如果您修改ravel返回的数组，则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，则永远不会发生这种情况。由于没有复制内存，因此ravel通常会更快，但您必须更加谨慎地修改它返回的数组。
reshape((-1,)) 如果数组的步幅允许，则获取视图，即使这意味着您不总是获得一个连续的数组。