numpy中的flatten和ravel函数有什么区别？答案

【问题标题】：What is the difference between flatten and ravel functions in numpy?numpy中的flatten和ravel函数有什么区别？
【发布时间】：2015-05-09 22:16:19
【问题描述】：

import numpy as np
y = np.array(((1,2,3),(4,5,6),(7,8,9)))
OUTPUT:
print(y.flatten())
[1   2   3   4   5   6   7   8   9]
print(y.ravel())
[1   2   3   4   5   6   7   8   9]

两个函数都返回相同的列表。那么两个不同的功能执行相同的工作需要什么。

【问题讨论】：

Ravel 通常会在现有数组中返回一个视图（有时它会返回一个副本）。 Flatten 返回一个新数组。
What is the difference between flatten and ravel in numpy?的可能重复
Here 是细微差别的实际演示。
那么有人可以举一个例子，什么时候最好展平一个数组，什么时候拆散它？
谢谢你的提问，我也有同样的问题。

标签： python numpy multidimensional-array flatten numpy-ndarray

【解决方案1】：

目前的 API 是：

flatten 总是返回一个副本。
ravel 尽可能返回原始数组的视图。这在打印输出中不可见，但是如果您修改 ravel 返回的数组，它可能会修改原始数组中的条目。如果您修改从 flatten 返回的数组中的条目，这将永远不会发生。 ravel 通常会更快，因为没有复制内存，但您必须更加小心地修改它返回的数组。
只要数组的步幅允许reshape((-1,)) 获得视图，即使这意味着您并不总是获得连续的数组。

【讨论】：

知道为什么 NumPy 开发人员不坚持使用某些参数 copy=[True,False] 的功能吗？
Backcompat 保证有时会导致发生这种奇怪的事情。例如：numpy 开发人员最近（在 1.10 中）添加了一个先前隐含的保证，即 ravel 将返回一个连续的数组（在编写 C 扩展时非常重要的一个属性），所以现在 API 是a.flatten() 以确保得到一个副本, a.ravel() 避免大多数副本，但仍保证返回的数组是连续的，a.reshape((-1,)) 可以在数组的步幅允许时真正获得视图，即使这意味着您并不总是得到一个连续的数组。
@Hossein IanH 解释说：ravel保证一个连续的数组，因此不能保证它返回一个视图； reshape 总是返回一个视图，因此不能保证它返回一个连续的数组。
@Hossein 那将是一个全新的问题。简而言之，读取和写入连续的内存空间要快得多。 SO (nice example here) 上有几个问题和答案，如果您有任何其他问题，请随时打开一个新问题。
为什么叫ravel？这个名字背后的想法是什么？

【解决方案2】：

正如here 所解释的，一个关键的区别在于：

flatten 是 ndarray 对象的方法，因此只能为真正的 numpy 数组调用。
ravel 是库级函数，因此可以在任何可以成功解析的对象上调用。

例如，ravel 将适用于 ndarray 列表，而 flatten 不适用于该类型的对象。

@IanH 在他的回答中还指出了与内存处理的重要区别。

【讨论】：

感谢有关在 ndarray 列表上工作的 ravel() 的信息
不仅是数组列表，还有列表列表 :)

【解决方案3】：

这是函数的正确命名空间：

两个函数都返回指向新内存结构的扁平一维数组。

import numpy
a = numpy.array([[1,2],[3,4]])

r = numpy.ravel(a)
f = numpy.ndarray.flatten(a)  

print(id(a))
print(id(r))
print(id(f))

print(r)
print(f)

print("\nbase r:", r.base)
print("\nbase f:", f.base)

---returns---
140541099429760
140541099471056
140541099473216

[1 2 3 4]
[1 2 3 4]

base r: [[1 2]
 [3 4]]

base f: None

在上面的例子中：

结果的内存位置不同，
结果看起来一样
flatten 会返回一个副本
ravel 会返回一个视图。

我们如何检查某个东西是否是副本？使用ndarray 的.base 属性。如果是视图，则基数将是原始数组；如果是副本，则基数为None。

检查a2 是否是a1 的副本

import numpy
a1 = numpy.array([[1,2],[3,4]])
a2 = a1.copy()
id(a2.base), id(a1.base)

输出：

(140735713795296, 140735713795296)

【讨论】：

id(a1.base) 应与id(a2.base) 相同