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,执行相同工作的两个不同功能的需求是什么。
发布于 2015-03-09 03:00:12
当前接口为:
只要有可能,
flatten
总是返回一个copy.ravel
,返回原始数组的一个视图。这在打印输出中不可见,但如果修改ravel返回的数组,它可能会修改原始数组中的条目。如果你修改了从flatten返回的数组中的条目,这种情况永远不会发生。ravel通常会更快,因为没有复制内存,但你必须更加小心地修改数组只要数组的步长允许,returns.reshape((-1,))
就会得到一个视图,即使这意味着你并不总是得到连续的数组。发布于 2016-11-26 10:45:24
正如here所解释的,一个关键的区别是:
flatten
是ndarray对象的一个方法,因此只能在真正的numpy时调用。arrays.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
将处理ndarray列表,而flatten
不适用于该类型的对象。
@IanH还在他的回答中指出了与内存处理的重要区别。
发布于 2019-01-23 01:11:31
以下是函数的正确名称空间:
这两个函数都返回指向新内存结构的扁平化一维数组。
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
在上面的示例中:
我们如何检查某个东西是否是复制品?使用ndarray
的.base
属性。如果它是一个视图,基数组将是原始数组;如果它是一个副本,基数组将是None
。
检查a2
是否为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)
https://stackoverflow.com/questions/28930465
复制相似问题