numpy中函数resize与reshape，ravel与flatten的区别

这两组函数中区别很是类似，都是一个不改变之前的数组，一个改变数组本身

resize和reshape

>>> import numpy as np
>>> a = np.arange(20).reshape(4,5)
>>> a
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19]])
>>> a.reshape(2,10)
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]])
>>> a
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19]])
>>> a.resize(2,10)
>>> a
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]])

两个函数都是改变数组的形状，但是resize是在本身上进行操作，reshape返回的是修改之后的参数

ravel和flatten

两者都可以将数组转换为一个维，

flatten(order='C')

参数：{‘C’，‘F’，‘A’，‘K’}

默认情况下‘C’以行为主的顺序展开，‘F’（Fortran风格）意味着以列的顺序展开，‘A’表示如果a在内存中为Fortran连续，则按列展开，否则以行展开，‘K’按照元素在内存中出现的顺序展平a。

>>> a = np.arange(6).reshape(2,3)
>>> a.flatten()
array([0, 1, 2, 3, 4, 5])
>>> a.ravel()
array([0, 1, 2, 3, 4, 5])
>>> a.flatten('F')
array([0, 3, 1, 4, 2, 5])
>>> a.ravel('F')
array([0, 3, 1, 4, 2, 5])
>>> 

>>> x = np.array([[1,2],[3,4]])
>>> a = np.arange(6).reshape(2,3)
>>> a.flatten()[...] = 1
>>> a
array([[0, 1, 2],
       [3, 4, 5]])
>>> a.ravel()[...] = 1
>>> a
array([[1, 1, 1],
       [1, 1, 1]])
>>> 

flatten不会影响原始矩阵，返回的是一个副本，但是ravel是会修改数组