Fatal编程技术网
  • python/
  • Python 为什么在生成小倍数的代码中需要numpy.ravel（）？

Python 为什么在生成小倍数的代码中需要numpy.ravel（）？

python numpy matplotlib

Python 为什么在生成小倍数的代码中需要numpy.ravel（）？,python,numpy,matplotlib,Python,Numpy,Matplotlib,我找到了一些代码来生成一组，它工作得非常好 fig, axes = plt.subplots(6,3, figsize=(21,21)) fig.subplots_adjust(hspace=.3, wspace=.175) for ax, data in zip(axes.ravel(), clean_sets): ax.plot(data.ETo, "o") ax的行，zip中的数据（axes.ravel（），clean_set）：contians.ravel（

我找到了一些代码来生成一组，它工作得非常好

fig, axes = plt.subplots(6,3, figsize=(21,21))
fig.subplots_adjust(hspace=.3, wspace=.175)
for ax, data in zip(axes.ravel(), clean_sets):
    ax.plot(data.ETo, "o")
ax的行
，zip中的数据（axes.ravel（），clean_set）：
contians
.ravel（）
，但我不明白这到底在做什么，也不明白为什么有必要这样做

如果我看一下，我会发现：

返回一个连续的展开数组

返回一个包含输入元素的一维数组。只有在需要时才制作副本

我猜与
plt.subplot（）
中的轴对应的返回是一个无法迭代的多维数组，但我真的不确定。如能简单解释，将不胜感激


在这种情况下使用
.ravel（）
的目的是什么？

您的猜测是正确的
plt.subplot（）
根据输入返回多个轴的
Axes
或
numpy
数组。如果二维网格由参数
nrows
和
ncols
定义，则返回的
numpy
数组也将是二维数组

此行为在
挤压
参数内部解释

挤压
：bool，可选，默认值：True
如果为True，则会从返回的轴对象中挤出额外的尺寸：

  • 如果只构造了一个子地块（nrows=ncols=1），则生成的单轴对象将作为标量返回
  • 对于Nx1或1xN子批次，返回的对象是一个1D numpy对象数组，轴对象作为numpy 1D数组返回
  • 对于NxM，N>1和M>1的子批次作为2D数组返回
如果为False，则根本不进行压缩：返回的Axes对象始终是包含Axes实例的2D数组，即使它最终是1x1

由于这里有
plt.子图（6,3）
，因此
N>1，M>1
，结果对象必然是一个2D数组，与
挤压
的设置无关

这使得有必要展平此阵列，以便能够
zip
。选择是

  • zip（axes.ravel（））
  • zip（axes.flatte（））
  • zip（轴平）
      • 你的猜测是正确的
      plt.subplot（）
      根据输入返回多个轴的
      Axes
      或
      numpy
      数组。如果二维网格由参数
      nrows
      和
      ncols
      定义，则返回的
      numpy
      数组也将是二维数组

      此行为在
      挤压
      参数内部解释

      挤压
      ：bool，可选，默认值：True
      如果为True，则会从返回的轴对象中挤出额外的尺寸：

      • 如果只构造了一个子地块（nrows=ncols=1），则生成的单轴对象将作为标量返回
      • 对于Nx1或1xN子批次，返回的对象是一个1D numpy对象数组，轴对象作为numpy 1D数组返回
      • 对于NxM，N>1和M>1的子批次作为2D数组返回
      如果为False，则根本不进行压缩：返回的Axes对象始终是包含Axes实例的2D数组，即使它最终是1x1

      由于这里有
      plt.子图（6,3）
      ，因此
      N>1，M>1
      ，结果对象必然是一个2D数组，与
      挤压
      的设置无关

      这使得有必要展平此阵列，以便能够
      zip
      。选择是

      • zip（axes.ravel（））
      • zip（axes.flatte（））
      • zip（轴平）
      您正在创建6行3列的
      轴
      以在图形中绘图。我相信
      clean_set
      具有要在每个轴上绘图的数据。我相信
      len（干净的套装）
      18岁。现在要在每个轴上绘制所有18个集。但是axes.shape是
      （6,3）
      。也就是说，如果您想访问第10个
      轴来绘制第10个
      清洁集
      ，您必须访问轴[1][3]，但使用
      axes.ravel（）
      ，它是
      axes.ravel（）[9]
      。现在的绑定是线性的。换句话说，从轴的n*n矩阵现在，你有了轴的1-d数组。你正在创建6行3列的
      轴
      来在你的图形中绘图。我相信
      clean_set
      有你想要在每个轴上绘图的数据。我相信
      len（干净的套装）
      18岁。现在要在每个轴上绘制所有18个集。但是axes.shape是
      （6,3）
      。也就是说，如果您想访问第10个
      轴来绘制第10个
      清洁集
      ，您必须访问轴[1][3]，但使用
      axes.ravel（）
      ，它是
      axes.ravel（）[9]
      。现在的绑定是线性的。换句话说，从轴的n*n矩阵现在，你有了轴的一维数组。