【Python】NumPy 中 ravel() 正确打开方式

【Python】NumPy 中 ravel() 正确打开方式

最近在看书时，对numpy的ravel()的有些疑惑，书上这样写到“如果结果中的值在原始数组中是连续的，则ravel 不会生成底层数值的副本”，度娘后，发现大部分的说法都是得到原数组的视图，但是按照书上的说法，是可以产生副本的，只要结果的值在原始数组中不连续。

刚开始不太理解，这里所谓的连续是指什么？后来发现，这个连续是指的是元素顺序，reval()中有个参数【order】，这个参数指定了重塑顺序。

In [58]: arr2                                                                                                            
Out[58]: 
array([[ 1,  1, -1],
       [ 0, -3,  6]])     # arr2 默认安装C顺序展开
In [59]: arr3 = np.ravel(arr2,order = 'C')     # C顺序，即是按行方向顺序                                                                           
In [60]: arr3                                                                                                            
Out[60]: array([ 1,  1, -1,  0, -3,  6])    # arr2,arr3都是按照C顺序展开
In [72]: arr3.base is arr2        # arr3基于arr2                                                                                       
Out[72]: True
In [73]: np.may_share_memory(arr2,arr3)   # arr3,arr2共享内存，则arr3为arr2的视图                                                                                  
Out[73]: True

In [62]: arr4 = np.ravel(arr2,order = 'F')   #arr4 按照F顺序，即是列顺序重塑                                                                            
In [63]: arr4                                                                                                            
Out[63]: array([ 1,  0,  1, -3, -1,  6])    #可以看出顺序与arr2的不同
In [64]: arr4.base is arr2         #arr4 不是基于arr2                                                                                      
Out[64]: False
In [65]: np.may_share_memory(arr2,arr4)     #arr4,arr2  不共享内存                                                                             
Out[65]: False
In [74]: arr4.flags.owndata   #arr4拥有自己的数据，说明独立于arr2，是一个副本                                                                                         
Out[74]: True

In [66]: arr5 = np.ravel(arr2.T, order='A')  #A顺序，应该是针对于转置后的重塑                                                                            
In [67]: arr5                                                                                                            
Out[67]: array([ 1,  1, -1,  0, -3,  6])   #得到结果顺序与arr2的一致，也是C顺序
In [68]: np.may_share_memory(arr2,arr5)    # arr5,arr2共享内存，则arr5为arr2的视图                                                                              
Out[68]: True

In [69]: arr6 = np.ravel(arr2.swapaxes(0,1), order='K')  #A顺序，应该是针对于轴交换后的重塑                                                               
In [70]: arr6                                                                                                            
Out[70]: array([ 1,  1, -1,  0, -3,  6]) #得到结果顺序与arr2的一致，也是C顺序
In [71]: np.may_share_memory(arr2,arr6) # arr6,arr2共享内存，则arr6为arr2的视图                                                                                 
Out[71]: True

所以ravel()的结果不一定就是原数组的视图，这个要看具体的情况，不过一般重塑都是使用默认的order参数，按照C顺序重塑，但是使用时也要注意，避免错把视图当做副本，修改视图影响原本的数组。
或者直接使用flatten()，不管参数【order】如何都是，返回一份拷贝，对拷贝所做的修改不会影响（reflects）原始数组，
最后，也可以通过reshape(-1)使原多维数组转化为一维数组，reshape(x, y)使其转化为其他形状，不过注意使用reshape()都是返回原始数组的视图。

总结下，
1，reshape() 返回原始数组的视图；
2，ravel() 返回原始数据的视图或者副本，只有在参数order = ‘F’时返回副本；
3，flatten() 返回原始数组的副本；

以上有错误的，可以评论指出，拍砖！！！