假设我有一个数组a：
a = np.array([[1,2,3], [4,5,6]])
array([[1, 2, 3],
[4, 5, 6]])
我想将其转换为一维数组（即列向量）：
b = np.reshape(a, (1,np.product(a.shape)))
但这会返回
array([[1, 2, 3, 4, 5, 6]])
不一样的是：
array([1, 2, 3, 4, 5, 6])
我可以将该数组的第一个元素手动转换为一维数组：
b = np.reshape(a, (1,np.product(a.shape)))[0]
但这需要我知道原始数组有多少维（并在处理更高维时连接 [0]）
是否有一种与维度无关的方式从任意 ndarray 中获取列/行向量？
【问题讨论】：
使用np.ravel（用于一维视图）或np.ndarray.flatten（用于一维副本）或np.ndarray.flat（用于一维迭代器）：
In [12]: a = np.array([[1,2,3], [4,5,6]])
In [13]: b = a.ravel()
In [14]: b
Out[14]: array([1, 2, 3, 4, 5, 6])
请注意，ravel() 尽可能返回 view 或 a。所以修改b也会修改a。当一维元素在内存中连续时，ravel() 返回 view，但如果 a 是使用非单位步长对另一个数组进行切片（例如 a = x[::2]），则返回 copy )。
如果您想要副本而不是视图，请使用
In [15]: c = a.flatten()
如果您只想要一个迭代器，请使用np.ndarray.flat：
In [20]: d = a.flat
In [21]: d
Out[21]: <numpy.flatiter object at 0x8ec2068>
In [22]: list(d)
Out[22]: [1, 2, 3, 4, 5, 6]
【讨论】：
ravel() 返回一个视图，但这并不总是正确的。在某些情况下，ravel() 会返回一个副本。a.ravel() 的速度似乎是 a.reshape(-1) 的三倍左右。 a.flatten() 要慢得多，因为它需要复制。
我想看看答案中提到的函数的基准测试结果，包括unutbu's。
还想指出numpy doc 建议使用arr.reshape(-1) 以防万一视图更可取。 （尽管ravel 在下面的结果中要快一点）
TL;DR：
np.ravel是性能最高的（数量很少）。
功能：
np.ravel：如果可能，返回视图np.reshape(-1)：如果可能，返回视图np.flatten：返回副本np.flat：返回numpy.flatiter。类似于iterable
numpy 版本：'1.18.0'
ndarray 大小的执行时间+-------------+----------+-----------+-----------+-------------+
| function | 10x10 | 100x100 | 1000x1000 | 10000x10000 |
+-------------+----------+-----------+-----------+-------------+
| ravel | 0.002073 | 0.002123 | 0.002153 | 0.002077 |
| reshape(-1) | 0.002612 | 0.002635 | 0.002674 | 0.002701 |
| flatten | 0.000810 | 0.007467 | 0.587538 | 107.321913 |
| flat | 0.000337 | 0.000255 | 0.000227 | 0.000216 |
+-------------+----------+-----------+-----------+-------------+
ravel和reshape(-1)的执行时间是一致的，并且与 ndarray 大小无关。 但是，ravel稍微快一点，但reshape在调整大小方面提供了灵活性。 （也许这就是为什么numpy doc 建议改用它的原因。或者在某些情况下reshape返回视图而ravel不返回）。
如果您正在处理大尺寸的 ndarray，使用flatten可能会导致性能问题。建议不要使用。除非您需要数据副本来做其他事情。
import timeit
setup = '''
import numpy as np
nd = np.random.randint(10, size=(10, 10))
'''
timeit.timeit('nd = np.reshape(nd, -1)', setup=setup, number=1000)
timeit.timeit('nd = np.ravel(nd)', setup=setup, number=1000)
timeit.timeit('nd = nd.flatten()', setup=setup, number=1000)
timeit.timeit('nd.flat', setup=setup, number=1000)
【讨论】：
reshape 返回视图而ravel 不返回的情况。一种这样的情况是y=x[::2]。因为y 不是连续的，所以 ravel 必须复制，即使它已经是一维数组。您可以使用它来设计 ravel 较慢的情况。
import numpy as np
# ND array list with different size
a = [[1],[2,3,4,5],[6,7,8]]
# stack them
b = np.hstack(a)
print(b)
[1 2 3 4 5 6 7 8]
【讨论】：
b 得到a 的形状？
最简单的方法之一是使用flatten()，就像这个例子：
import numpy as np
batch_y =train_output.iloc[sample, :]
batch_y = np.array(batch_y).flatten()
我的数组是这样的：
0
0 6
1 6
2 5
3 4
4 3
.
.
.
使用flatten()后：
array([6, 6, 5, ..., 5, 3, 6])
也是此类错误的解决方法：
Cannot feed value of shape (100, 1) for Tensor 'input/Y:0', which has shape '(?,)'
【讨论】：
虽然这没有使用 np 数组格式，（懒得修改我的代码）这应该做你想做的事......如果你真的想要一个列向量，你会想要转置向量结果。这完全取决于您打算如何使用它。
def getVector(data_array,col):
vector = []
imax = len(data_array)
for i in range(imax):
vector.append(data_array[i][col])
return ( vector )
a = ([1,2,3], [4,5,6])
b = getVector(a,1)
print(b)
Out>[2,5]
所以如果你需要转置，你可以这样做：
def transposeArray(data_array):
# need to test if this is a 1D array
# can't do a len(data_array[0]) if it's 1D
two_d = True
if isinstance(data_array[0], list):
dimx = len(data_array[0])
else:
dimx = 1
two_d = False
dimy = len(data_array)
# init output transposed array
data_array_t = [[0 for row in range(dimx)] for col in range(dimy)]
# fill output transposed array
for i in range(dimx):
for j in range(dimy):
if two_d:
data_array_t[j][i] = data_array[i][j]
else:
data_array_t[j][i] = data_array[j]
return data_array_t
【讨论】：
In [14]: b = np.reshape(a, (np.product(a.shape),))
In [15]: b
Out[15]: array([1, 2, 3, 4, 5, 6])
或者，简单地说：
In [16]: a.flatten()
Out[16]: array([1, 2, 3, 4, 5, 6])
【讨论】：
b = a.reshape(-1)简称。