numpy中ravel与flatten

在Numpy中经常使用到的操作由扁平化操作,Numpy提供了两个函数进行此操作,他们的功能相同,但在内存上有很大的不同.

先来看这两个函数的使用:

 1 from numpy import *
 2 
 3 a = arange(12).reshape(3,4)
 4 print(a)
 5 # [[ 0  1  2  3]
 6 #  [ 4  5  6  7]
 7 #  [ 8  9 10 11]]
 8 print(a.ravel())
 9 # [ 0  1  2  3  4  5  6  7  8  9 10 11]
10 print(a.flatten())
11 # [ 0  1  2  3  4  5  6  7  8  9 10 11]

可以看到这两个函数实现的功能一样,但我们在平时使用的时候flatten()更为合适.在使用过程中flatten()分配了新的内存,但ravel()返回的是一个数组的视图.视图是数组的引用(说引用不太恰当,因为原数组和ravel()返回后的数组的地址并不一样),在使用过程中应该注意避免在修改视图时影响原本的数组.这是什么意思咧,我们通过代码来具体解释:

 1 from numpy import *
 2 
 3 a = arange(12).reshape(3,4)
 4 print(a)
 5 # [[ 0  1  2  3]
 6 #  [ 4  5  6  7]
 7 #  [ 8  9 10 11]]
 8 
 9 # 创建一个和a相同内容的数组b
10 b = a.copy()
11 c = a.ravel()
12 d = b.flatten()
13 # 输出c和d数组
14 print(c)
15 # [ 0  1  2  3  4  5  6  7  8  9 10 11]
16 print(d)
17 # [ 0  1  2  3  4  5  6  7  8  9 10 11]
18 # 可以看到c和d数组都是扁平化后的数组,具有相同的内容
19 
20 print(a is c)
21 # False
22 print(b is d)
23 # False
24 # 可以看到以上a,b,c,d是四个不同的对象
25 
26 # 但因为c是a的一种展示方式,虽然他们是不同的对象,但在修改c的时候,a中相应的数也改变了
27 c[1] = 99
28 d[1] = 99
29 print(a)
30 # [[ 0 99  2  3]
31 #  [ 4  5  6  7]
32 #  [ 8  9 10 11]]
33 print(b)
34 # [[ 0  1  2  3]
35 #  [ 4  5  6  7]
36 #  [ 8  9 10 11]]
37 print(c)
38 # [ 0 99  2  3  4  5  6  7  8  9 10 11]
39 print(d)
40 # [ 0 99  2  3  4  5  6  7  8  9 10 11]

通过以上的分析,在实际应用中应尽量使用flatten()函数,这样避免意外的错误.