Numpy中有两种将 ndarray 转换为一维数组类似的方法：Flatten() 和 Ravel()。
import numpy as np
a = np.array( [ (1,7,3,4),(3,2,4,1) ] )
#OUTPUT:
print( a.flatten() )
# [ 1,7,3,4,3,2,4,1 ]
print ( a.ravel() )
# [ 1,7,3,4,3,2,4,1 ]
那么问题是：为什么有两个 numpy 函数来完成相同的任务？Flatten() 和 Ravel() 的区别：
a.ravel():
- 只返回原始数组的引用/视图
- 如果修改数组，就会注意到原始数组的值也会发生变化。
- Ravel() 比 flatten() 更快，因为它不占用任何内存。
- Ravel() 是一个库级函数。
a.flatten() ：
- 返回原始数组的副本；
- 如果您修改此数组的任何值，原始数组的值不受影响。
Flatten()比 ravel() 相对慢，因为它占用内存。- Flatten 是一个 ndarray 对象的方法。
让我们看看这段代码的区别：
# Python code to differentiate
# between flatten and ravel in numpy
import numpy as np
# Create a numpy array
a = np.array([(1,2,3,4),(3,1,4,2)])
# Let's print the array a
print ("Original array:n ")
print(a)
# To check the dimension of array (dimension =2)
# ( and type is numpy.ndarray )
print ("Dimension of array-> " , (a.ndim))
print("nOutput for RAVEL n")
# Convert nd array to 1D array
b = a.ravel()
# Ravel only passes a view of
# original array to array 'b'
print(b)
b[0]=1000
print(b)
# Note here that value of original
# array 'a' at also a[0][0] becomes 1000
print(a)
# Just to check the dimension i.e. 1
# (and type is same numpy.ndarray )
print ("Dimension of array->" ,(b.ndim))
print("nOutput for FLATTEN n")
# Convert nd array to 1D array
c = a.flatten()
# Flatten passes copy of
# original array to 'c'
print(c)
c[0]=0
print(c)
# Note that by changing
# value of c there is no
# affect on value of original
# array 'a'
print(a)
print ("Dimension of array-> " , (c.ndim))
运行结果如下：
Original array:
[[1 2 3 4]
[3 1 4 2]]
Dimension of array-> 2
Output for RAVEL
[1 2 3 4 3 1 4 2]
[1000 2 3 4 3 1 4 2]
[[1000 2 3 4]
[ 3 1 4 2]]
Dimension of array-> 1
Output for FLATTEN
[1000 2 3 4 3 1 4 2]
[0 2 3 4 3 1 4 2]
[[1000 2 3 4]
[ 3 1 4 2]]
Dimension of array-> 1
欢迎任何形式的转载，但请务必注明出处，尊重他人劳动成果。
转载请注明：文章转载自 有区别网 [http://www.vsdiffer.com]
本文标题：Numpy中Flatten() 和 Ravel()函数的区别
本文链接：https://www.vsdiffer.com/vs/differences-flatten-ravel-numpy.html
免责声明：以上内容仅是站长个人看法、理解、学习笔记、总结和研究收藏。不保证其正确性，因使用而带来的风险与本站无关！如本网站内容冒犯了您的权益，请联系站长，邮箱：，我们核实并会尽快处理。