Numpy中扁平化函數ravel()和flatten()的區別是什么

這篇文章主要介紹“Numpy中扁平化函數ravel()和flatten()的區別是什么”的相關知識，小編通過實際案例向大家展示操作過程，操作方法簡單快捷，實用性強，希望這篇“Numpy中扁平化函數ravel()和flatten()的區別是什么”文章能幫助大家解決問題。

在Numpy中經常使用到的操作由扁平化操作,Numpy提供了兩個函數進行此操作,他們的功能相同,但在內存上有很大的不同.

先來看這兩個函數的使用:

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]

可以看到這兩個函數實現的功能一樣,但我們在平時使用的時候flatten()更為合適.在使用過程中flatten()分配了新的內存,但ravel()返回的是一個數組的視圖.視圖是數組的引用(說引用不太恰當,因為原數組和ravel()返回后的數組的地址并不一樣),在使用過程中應該注意避免在修改視圖時影響原本的數組.這是什么意思咧,我們通過代碼來具體解釋:

from numpy import *

a = arange(12).reshape(3,4)
print(a)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

# 創建一個和a相同內容的數組b
b = a.copy()
c = a.ravel()
d = b.flatten()
# 輸出c和d數組
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數組都是扁平化后的數組,具有相同的內容

print(a is c)
# False
print(b is d)
# False
# 可以看到以上a,b,c,d是四個不同的對象

# 但因為c是a的一種展示方式,雖然他們是不同的對象,但在修改c的時候,a中相應的數也改變了
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]

通過以上的分析,在實際應用中應盡量使用flatten()函數,這樣避免意外的錯誤.

關于“Numpy中扁平化函數ravel()和flatten()的區別是什么”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識，可以關注億速云行業資訊頻道，小編每天都會為大家更新不同的知識點。