Numpy中Flatten()和Ravel()之间的区别
有多种创建numpy数组的方法。Numpy提供了两种将ndarray转换为1Darray的flatten()方法：一种是使用方法，另一种是使用ravel()方法。
示例
#Import required library, numpy import numpy as np #create an array from a list arr = np.array( [ (2, 7, 3, 4), (5, 6, 9, 1)]) #flatten_output print(arr.flatten()) #ravel_output print(arr.ravel())
输出结果
[2 7 3 4 5 6 9 1] [2 7 3 4 5 6 9 1]
现在，在上面我们可以看到两个函数返回相同的列表，因此出现了一个问题，为什么两个方法用于同一任务？
以下是flatten()和ravel()方法之间的主要区别。
arr.ravel()
返回原始数组的唯一引用
修改上面的array(arr)后，我们可以看到原始数组的值也发生了变化。
因为ravel方法确实占用了任何内存，所以ravel比flatten()
Ravel是库级别的函数
arr.flatten()
返回array(arr)的原始副本。
在修改上述数组(arr)时，原始数组的值不会更改。
因为flatten()占用内存，flatten()比慢一点ravel()
这是ndarray对象的方法。
示例
#Import required library, numpy
import numpy as np
# Create a numpy array, arr
arr = np.array([(1,2,3,4),(3,1,4,2)])
# Let's print the array arr
print ("Original array:\n ", arr)
#print(arr)
# To check the dimension of array (dimension =2) and type is numpy.ndarray
print ("Dimension of original array: %d \n Type of original array: %s" % (arr.ndim,type(arr)))
print("\nOutput from ravel method: \n")
# Convert nd array to 1D array
b_arr = arr.ravel()
# Ravel only passes a view of original array to array 'b_arr'
print(b_arr)
b_arr[0]=1000
print(b_arr)
# Note here that value of original array 'arr' at also arr[0][0] becomes 1000
print(arr)
# Just to check the dimension i.e. 1 and type is same numpy.ndarray
print ("Dimension of array: %d \n Type of array: %s" % (b_arr.ndim,type(b_arr)))
print("\nOutput from flatten method: \n")
# Convert nd array to 1D array
c_arr = arr.flatten()
# Flatten passes copy of original array to 'c_arr'
print(c_arr)
c_arr[0]=0
print(c_arr)
# Note that by changing value of c_arr there is no affect on value of original array 'arr'
print(arr)
print ("Dimension of array->%d \n Type of array->%s" % (c_arr.ndim,type(c_arr)))输出结果
Original array: [[1 2 3 4] [3 1 4 2]] Dimension of original array: 2 Type of original array: <class 'numpy.ndarray'> Output from ravel method: [1 2 3 4 3 1 4 2] [1000 2 3 4 3 1 4 2] [[1000 2 3 4] [ 3 1 4 2]] Dimension of array: 1 Type of array: <class 'numpy.ndarray'> Output from flatten method: [1000 2 3 4 3 1 4 2] [0 2 3 4 3 1 4 2] [[1000 2 3 4] [ 3 1 4 2]] Dimension of array->1 Type of array-><class 'numpy.ndarray'>