Numpy的flatten()和ravel()两者区别

numpy 中的 flatten() 和 ravel() 函数都可以将多维数组转换为一维数组，但它们之间存在一些区别：

1. 返回类型：
   • flatten()：返回的是数组的一个副本，即一个新的数组对象。
   • ravel()：返回的是数组的视图（view），这意味着它不会占用额外的内存，并且对返回的数组的修改可能会影响到原始数组。
2. 内存使用：
   • flatten()：由于返回的是副本，所以会占用额外的内存。
   • ravel()：返回的是视图，因此不会占用额外的内存。
3. 连续性：
   • flatten()：默认情况下，返回的数组总是连续的，即数据在内存中是连续存储的。
   • ravel()：默认情况下，如果原始数组是连续的，那么返回的视图也是连续的；如果原始数组不是连续的，那么返回的视图可能不是连续的。
4. 参数：
   • flatten()：有一个可选参数 order，可以设置为 'C'（按行）、'F'（按列）或者 'A'（原顺序）等，来指定返回的数组的顺序。
   • ravel()：同样接受 order 参数，并且还可以接受 order='K'，它表示保持原始数组的元素顺序。
5. 性能：
   • flatten()：由于创建了一个副本，所以可能会比 ravel() 慢。
   • ravel()：通常比 flatten() 快，因为它返回的是视图。
     以下是一个简单的示例来说明这两个函数的使用：

import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
# 使用 flatten()
flattened_arr = arr.flatten()
print(flattened_arr)  # 输出: [1 2 3 4 5 6]
# 使用 ravel()
raveled_arr = arr.ravel()
print(raveled_arr)    # 输出: [1 2 3 4 5 6]
# 修改 raveled_arr 中的一个元素，原始数组也会被修改
raveled_arr[0] = 99
print(arr)            # 输出: [[99  2  3]
                       #        [ 4  5  6]]

在这个例子中，修改 raveled_arr 会影响原始数组 arr，但修改 flattened_arr 不会。