numpy.ravel() 和numpy.flatten()用法与区别

numpy.ravel() 和numpy.flatten()用法与区别

功能：

两者功能一致，都是将多维数组降为一维数组。

>>> x = np.array([[1, 2], [3, 4]])
>>> x
array([[1, 2],
       [3, 4]])
>>> x.flatten()
array([1, 2, 3, 4])
>>> x.ravel()
array([1, 2, 3, 4])
                    #两者默认均是行序优先
>>> x.flatten('F')
array([1, 3, 2, 4])
>>> x.ravel('F')
array([1, 3, 2, 4])

>>> x.reshape(-1)
array([1, 2, 3, 4])
>>> x.T.reshape(-1)
array([1, 3, 2, 4])

区别：

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
numpy.ravel()： 返回的是视图（view），对视图修改会影响原始矩阵（类似于C++中的引用）

>>> x = np.array([[1, 2], [3, 4]])
>>> x.flatten()[1] = 100
>>> x
array([[1, 2],
       [3, 4]])            # flatten：返回的是拷贝
>>> x.ravel()[1] = 100
>>> x
array([[  1, 100],
       [  3,   4]])