numpy 中的 flatten 和 ravel 函数有什么区别？

Question

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 return 相同的列表。那么执行相同工作的两个不同功能需要什么。

Answer 1

目前的API是：

flatten总是returns一份。
ravel returns 尽可能查看原始数组。这在打印输出中不可见，但如果您修改 ravel 返回的数组，它可能会修改原始数组中的条目。如果您修改从展平返回的数组中的条目，这将永远不会发生。 ravel 通常会更快，因为没有内存被复制，但是你必须更加小心地修改它的数组 returns.
reshape((-1,)) 只要数组的步幅允许，就会获取视图，即使这意味着您并不总是获得连续的数组。

Answer 2

正如所解释的那样一个关键的区别是：

flatten 是 ndarray 对象的一种方法，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 在他的回答中也指出了内存处理的重要区别。

Answer 3

以下是函数的正确命名空间：

这两个函数 return 扁平化一维数组指向新的内存结构。

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
扁平化会 return 一个副本
ravel 会 return 一个视图。

我们如何检查某物是否是副本？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，则基数将为 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)

numpy 中的 flatten 和 ravel 函数有什么区别？

What is the difference between flatten and ravel functions in numpy?

python

numpy

flatten

multidimensional-array

numpy-ndarray