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:
1from numpy import *
2
3 a = arange(12).reshape(3,4)
4print(a)
5# [[ 0  1  2  3]
6#  [ 4  5  6  7]
7#  [ 8  9 10 11]]
8print(a.ravel())
9# [ 0  1  2  3  4  5  6  7  8  9 10 11]
10print(a.flatten())
11# [ 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:
1from numpy import *
2
3 a = arange(12).reshape(3,4)
4print(a)
5# [[ 0  1  2  3]
6#  [ 4  5  6  7]
7#  [ 8  9 10 11]]
8
9# 创建⼀个和a相同内容的数组b
10 b = a.copy()
11 c = a.ravel()
12 d = b.flatten()
13# 输出c和d数组
14print(c)
15# [ 0  1  2  3  4  5  6  7  8  9 10 11]
16print(d)
17# [ 0  1  2  3  4  5  6  7  8  9 10 11]
18# 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
19
20print(a is c)
21# False
22print(b is d)
numpy库常用函数23# False
24# 可以看到以上a,b,c,d是四个不同的对象
25
26# 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
27 c[1] = 99
28 d[1] = 99
29print(a)
30# [[ 0 99  2  3]
31#  [ 4  5  6  7]
32#  [ 8  9 10 11]]
33print(b)
34# [[ 0  1  2  3]
35#  [ 4  5  6  7]
36#  [ 8  9 10 11]]
37print(c)
38# [ 0 99  2  3  4  5  6  7  8  9 10 11]
39print(d)
40# [ 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.

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。