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]
Обе функции возвращают один и тот же список. Тогда зачем нужны две разные функции, выполняющие одну и ту же работу.
Текущий API таков:
flatten всегда возвращает копию.ravel по возможности возвращает представление исходного массива. Это не видно в печатном выводе, но если вы измените массив, возвращаемый ravel, он может изменить записи в исходном массиве. Если вы измените записи в массиве, возвращаемом из flatten, этого никогда не произойдет. ravel часто будет быстрее, поскольку память не копируется, но вы должны быть более осторожны с изменением массива, который он возвращает.reshape((-1,)) получает представление, когда позволяют шаги массива это даже если это означает, что вы не всегда получаете непрерывный массив.a.flatten(), чтобы получить копию наверняка, a.ravel() чтобы избежать большинства копий, но при этом гарантировать, что возвращаемый массив является непрерывным, и a.reshape((-1,)), чтобы действительно получить представление, когда это позволяют шаги массива, даже если это означает, что вы не всегда получаете непрерывный массив.
- person IanH; 17.11.2015
ravel гарантирует непрерывный массив, поэтому не гарантируется, что он вернет представление; reshape всегда возвращает представление, поэтому не гарантируется, что оно вернет непрерывный массив.
- person iled; 10.02.2017
reshape(-1) эквивалентно reshape((-1,))
- person Tom Pohl; 06.10.2017
ravel? В чем идея названия?
- person off99555; 26.01.2019
Как объяснено здесь, ключевое отличие состоит в том, что:
flatten - это метод объекта ndarray и, следовательно, может вызываться только для истинных массивов numpy.
ravel - это функция уровня библиотеки и, следовательно, может быть вызвана для любого объекта, который может быть успешно проанализирован.
Например, ravel будет работать со списком ndarrays, а flatten недоступен для этого типа объекта.
@IanH также указывает на важные различия в обработке памяти в своем ответе.
ndarray
- person WestCoastProjects; 28.10.2018
Вот правильное пространство имен для функций:
Обе функции возвращают плоские одномерные массивы, указывающие на новые структуры памяти.
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
В верхнем примере:
Как мы проверяем, является ли что-то копией? Используя атрибут .base файла ndarray. Если это представление, базой будет исходный массив; если это копия, то база будет None.
Проверьте, является ли a2 копией a1
import numpy
a1 = numpy.array([[1,2],[3,4]])
a2 = a1.copy()
id(a2.base), id(a1.base)
Из:
(140735713795296, 140735713795296)
id(a1.base) должен быть таким же, как id(a2.base)
- person prosti; 29.01.2021
