numpy学习笔记1—ravel() 和 flatten()

numpy的ravel() 和 flatten()函数

简介

首先声明两者所要实现的功能是一致的（将多维数组降位一维）。这点从两个单词的意也可以看出来，ravel(散开，解开)，flatten（变平）。两者的区别在于返回拷贝（copy）还是返回视图（view），numpy.flatten()返回一份拷贝，对拷贝所做的修改不会影响（reflects）原始矩阵，而numpy.ravel()返回的是视图（view，也颇有几分C/C++引用reference的意味），会影响（reflects）原始矩阵。

两者功能

In [14]: x=np.array([[1,2],[3,4]])

# flattenh函数和ravel函数在降维时默认是行序优先
In [15]: x.flatten()
Out[15]: array([1, 2, 3, 4])

In [17]: x.ravel()
Out[17]: array([1, 2, 3, 4])

# 传入'F'参数表示列序优先
In [18]: x.flatten('F')
Out[18]: array([1, 3, 2, 4])

In [19]: x.ravel('F')
Out[19]: array([1, 3, 2, 4])

#reshape函数当参数只有一个-1时表示将数组降为一维
In [21]: x.reshape(-1)
Out[21]: array([1, 2, 3, 4])
#x.T表示x的转置
In [22]: x.T.reshape(-1)
Out[22]: array([1, 3, 2, 4])

两者区别

>>> x = np.array([[1, 2], [3, 4]])
>>> a = x.flatten()
>>> a[1] = 100
>>>> a
array([  1, 100,   3,   4])
>>> x
array([[1, 2],
       [3, 4]])            

通过上面的程序可以发现flatten函数返回的是拷贝,修改返回的a之后原始的x并未改变。

>>> x = np.array([[1, 2], [3, 4]])
>>> a = x.ravel()
>>> a
array([1, 2, 3, 4])
>>> a[1] = 100
>>> a
array([  1, 100,   3,   4])
>>> x
array([[  1, 100],
       [  3,   4]])

可以看到ravel返回的是视图(参考数据库中的视图进行理解)，修改a之后x的内容并不会发生改变。不过注意a已经变为一维的了，x还是二维的，a只是将x的数据以不同的方式进行呈现。

原文链接：numpy 辨异 （五）—— numpy.ravel() vs numpy.flatten()