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:

 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b
 b = 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)
 # False
 print(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] = 99
 d[1] = 99
 print(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]

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.