numpy.ravel() 和numpy.flatten() 的用法 | ravel用法
作用实现的功能是一致的(将多维数组降位一维),两者的区别在于返回拷贝(copy)还是返回视图(view),numpy.flatten()返回一份拷贝,对拷贝所做的修改不会影响(reflects)原始矩阵,而numpy.ravel()返回的是视图(view,也颇有几分C/C++引用reference的意味),会影响(reflects)原始矩阵。importnumpyasnpx=np.array([[1,2],[3,4]])array([[1,2],[3,4]])x.flatten()array([1,2,3,4])x.ravel()array([1,2,3,4])#两者默认均是行序优先x.flatten(F)array([1,3,2,4])x.ravel(F)array([1,3,2,4])x.reshape(-1)array([1,2,3,4])x.T.re...
作用
实现的功能是一致的(将多维数组降位一维),两者的区别在于返回拷贝(copy)还是返回视图(view),numpy.flatten()返回一份拷贝,对拷贝所做的修改不会影响(reflects)原始矩阵,而numpy.ravel()返回的是视图(view,也颇有几分C/C++引用reference的意味),会影响(reflects)原始矩阵。
import numpy as np x = np.array([[1, 2], [3, 4]]) array([[1, 2], [3, 4]]) x.flatten() array([1, 2, 3, 4]) x.ravel() array([1, 2, 3, 4])#两者默认均是行序优先 x.flatten(F) array([1, 3, 2, 4]) x.ravel(F) array([1, 3, 2, 4]) x.reshape(-1) array([1, 2, 3, 4]) x.T.reshape(-1) array([1, 3, 2, 4])区别
x = np.array([[1, 2], [3, 4]]) x.flatten()[1] = 100 array([[1, 2], [3, 4]]) # flatten:返回的是拷贝 x.ravel()[1] = 100 array([[ 1, 100], [ 3, 4]])参考文献: 1.https://stackoverflow.com/questions/28930465/what-is-the-difference-between-flatten-and-ravel-functions-in-numpy 2.https://docs.scipy.org/doc/numpy/reference/generated/numpy.ravel.html#numpy-ravel 3.http://www.starmcu.com/archives/...