matlab flatten,Numpy中扁平化函数ravel()和flatten()的区别

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:

from numpy import *

a = arange(12).reshape(3,4)

print(a)

# [[ 0 1 2 3]

# [ 4 5 6 7]

# [ 8 9 10 11]]

print(a.ravel())

# [ 0 1 2 3 4 5 6 7 8 9 10 11]

print(a.flatten())

# [ 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:

from numpy import *

a = arange(12).reshape(3,4)

print(a)

# [[ 0 1 2 3]

# [ 4 5 6 7]

# [ 8 9 10 11]]

# 创建一个和a相同内容的数组b

b = a.copy()

c = a.ravel()

d = b.flatten()

# 输出c和d数组

print(c)

# [ 0 1 2 3 4 5 6 7 8 9 10 11]

print(d)

# [ 0 1 2 3 4 5 6 7 8 9 10 11]

# 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

print(a is c)

# False

print(b is d)

# False

# 可以看到以上a,b,c,d是四个不同的对象

# 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

c[1] = 99

d[1] = 99

print(a)

# [[ 0 99 2 3]

# [ 4 5 6 7]

# [ 8 9 10 11]]

print(b)

# [[ 0 1 2 3]

# [ 4 5 6 7]

# [ 8 9 10 11]]

print(c)

# [ 0 99 2 3 4 5 6 7 8 9 10 11]

print(d)

# [ 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.

承接Matlab、Python和C++的编程，机器学习、计算机视觉的理论实现及辅导，本科和硕士的均可，咸鱼交易，专业回答请走知乎，详谈请联系QQ号757160542，非诚勿扰。

本文同步分享在 博客“于小勇”(CSDN)。

如有侵权，请联系 support@oschina.cn 删除。

本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。