Numpy中ravel()和flatten()的区别是什么

这期内容当中小编将会给大家带来有关Numpy中ravel()和flatten()的区别是什么，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

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:

from numpy import *  a = arange(12).reshape(3,4)print(a)# [[ 0  1  2  3]#  [ 4  5  6  7]#  [ 8  9 10 11]]print(a.ravel())# [ 0  1  2  3  4  5  6  7  8  9 10 11]print(a.flatten())# [ 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:

from numpy import *a = arange(12).reshape(3,4)print(a)# [[ 0  1  2  3]#  [ 4  5  6  7]#  [ 8  9 10 11]]# 创建一个和a相同内容的数组bb = a.copy()c = a.ravel()d = b.flatten()# 输出c和d数组print(c)# [ 0  1  2  3  4  5  6  7  8  9 10 11]print(d)# [ 0  1  2  3  4  5  6  7  8  9 10 11]# 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print(a is c)# Falseprint(b is d)# False# 可以看到以上a,b,c,d是四个不同的对象# 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c[1] = 99d[1] = 99print(a)# [[ 0 99  2  3]#  [ 4  5  6  7]#  [ 8  9 10 11]]print(b)# [[ 0  1  2  3]#  [ 4  5  6  7]#  [ 8  9 10 11]]print(c)# [ 0 99  2  3  4  5  6  7  8  9 10 11]print(d)# [ 0 99  2  3  4  5  6  7  8  9 10 11]

上述就是小编为大家分享的Numpy中ravel()和flatten()的区别是什么了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注行业资讯频道。