numpy中的flatten和ravel函数有什么区别？

292

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]

这两个函数返回相同的列表。那么需要两个不同的功能来执行相同的工作。

— 密码学的
source

Ravel通常将视图返回到现有数组中（有时会返回一个副本）。Flatten返回一个新数组。

— 亚历克斯（Alex）

numpy中flatten和ravel

— finnw

这是细微差别的实际证明。

— prosti

那么有人可以举一个例子，什么时候最好展平数组，什么时候拆散数组呢？

— Aleksandar

Answers:

371

当前的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，则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，则将永远不会发生。ravel通常会更快，因为没有内存被复制，但是您在修改返回的数组时要格外小心。
reshape((-1,)) 只要数组的步幅允许，就可以得到一个视图，即使这意味着您并不总是可以获得连续的数组。

— 伊恩
source

知道为什么NumPy开发人员不坚持使用某个参数copy = [True，False]的功能吗？

— Franck Dernoncourt 2015年

Backcompat保证有时会导致类似这样的事情发生。例如：numpy开发人员最近（在1.10版本中）添加了一个以前的隐式保证，即ravel将返回一个连续数组（此属性在编写C扩展时非常重要），因此现在API a.flatten()肯定是要获取副本，a.ravel()以避免大多数副本，但仍保证返回的数组是连续的，并且a.reshape((-1,))只要数组的步幅允许它就可以真正获取视图，即使这意味着您不一定总是得到连续的数组。

— IanH

@Hossein IanH解释了这一点：ravel保证连续数组，因此不能保证它返回视图；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。

— il in

@Hossein这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。关于SO，这里有几个问题和答案（这里是一个很好的示例），如果您还有其他问题，请随时打开一个新问题。

— il in

reshape(-1)等效于reshape((-1,))

— Tom Pohl

如此处所述，关键区别在于：

flatten 是ndarray对象的方法，因此只能用于真正的numpy数组。
ravel 是库级别的函数，因此可以在任何可以成功解析的对象上调用。

例如，ravel将对ndarray列表起作用，flatten而不适用于该类型的对象。

@IanH还在回答中指出了与内存处理的重要区别。

— 布莱恩·P
source

关于在ravel（）列表上工作ndarray的

— ravel

不仅数组列表，而且列表列表:)

— timtody

这是函数的正确名称空间：

这两个函数均返回指向新存储器结构的展平一维数组。

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

在上例中：

结果的存储位置不同，
结果看起来一样
展平将返回副本
ravel将返回一个视图。

我们如何检查某物是否是副本？使用的.base属性ndarray。如果是视图，则基础将是原始数组；如果是副本，则基数为None。

— 普罗斯蒂
source