Python 为什么numpy.ravel会返回副本？

在以下示例中：

>>> import numpy as np
>>> a = np.arange(10)
>>> b = a[:,np.newaxis]
>>> c = b.ravel()
>>> np.may_share_memory(a,c)
False

为什么

numpy.ravel

返回我的数组的副本？它不应该只是返回

a

编辑：

我刚刚发现

np.squese

不会返回副本

>>> b = a[:,np.newaxis]
>>> c = b.squeeze()
>>> np.may_share_memory(a,c)
True

在这种情况下，

挤压

和

拉威尔

之间为什么有区别

编辑：

正如mgilson所指出的，

newaxis

将数组标记为不连续，这就是

ravel

返回副本的原因

因此，新的问题是为什么

newaxis

将数组标记为不连续的

然而，这个故事变得更加奇怪：

>>> a = np.arange(10)
>>> b = np.expand_dims(a,axis=1)
>>> b.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False
>>> c = b.ravel()
>>> np.may_share_memory(a,c)
True

---

根据

expand_dims

的文档，它应该相当于

newaxis

这可能不是您问题的最佳答案，但插入newaxis似乎会导致numpy将阵列视为非连续阵列--可能是出于广播目的：

>>> a=np.arange(10)
>>> b=a[:,None]
>>> a.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False
>>> b.flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

但是，重塑不会导致：

>>> c=a.reshape(10,1) 
>>> c.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

这些阵列共享相同的内存：

>>> np.may_share_memory(c.ravel(),a)
True

编辑

np.expand\u dims

实际上是使用

重塑

实现的，这就是它工作的原因（我想这是文档中的一个小错误）。以下是源代码（不含docstring）：

def expand_dims（a，轴）：
a=a阵列（a）
形状
如果轴<0：
轴=轴+透镜（形状）+1
返回a.重塑（形状[：轴]+（1，）+形状[轴：）

看起来可能与步幅有关：

>>> c = np.expand_dims(a, axis=1)
>>> c.strides
(8, 8)

>>> b = a[:, None]
>>> b.strides
(8, 0)
>>> b.flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False
>>> b.strides = (8, 8)
>>> b.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

---

我不确定维度1上的跨步在这里会有什么不同，但这似乎正是numpy将数组视为不连续的原因。

根据文档，必要时会复制一份副本-也许重塑意味着numpy决定有必要…这是可能的（可能的）该numpy内部可能有代码来处理奇怪的跨步（优化广播或访问速度），而

ravel

将撤销所有这些操作以将其展平，其中as

squence

可能只是敲出维度=1的维度。是的，我正要发布同样的内容。奇怪吧？我真的很好奇引擎盖下到底发生了什么。@senderle——我猜这是为了广播的缘故。但我也很好奇，很有趣！查看我对该问题的更新。我希望我们能请一位numpy开发人员来解释这一点。@user545424——在引擎盖下，

np.expand\u dims

使用

重塑

。（它构造了一组维度，在中间插入了<代码>（1）。因此，文档稍微有点错误；^）尽管用NeWxIS和切片创建一个元组是很容易的……使行为正确。

>>> c = np.expand_dims(a, axis=1)
>>> c.strides
(8, 8)

>>> b = a[:, None]
>>> b.strides
(8, 0)
>>> b.flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False
>>> b.strides = (8, 8)
>>> b.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False