Python numpy中展平函数和拉威尔函数的区别是什么？

两个函数都返回相同的列表。

---

那么，两个不同的函数执行相同的任务需要什么呢。

当前的API是：

• 总是返回一份副本
• 尽可能返回原始数组的视图。这在打印输出中不可见，但如果修改ravel返回的数组，它可能会修改原始数组中的条目。如果修改从展平返回的数组中的条目，则永远不会发生这种情况。ravel通常会更快，因为没有复制内存，但在修改它返回的数组时必须更加小心
• 在数组的步长允许的情况下获取视图，即使这意味着您并不总是获得连续数组

如前所述，关键区别在于：

• flatte

  是ndarray对象的一种方法，因此只能为真正的numpy数组调用

• ravel

  是一个库级函数，因此可以对任何可以成功解析的对象调用

例如，

ravel

将在nArray列表上工作，而

flatte

不适用于该类型的对象

---

@IanH在回答中还指出了内存处理的重要区别。

以下是函数的正确名称空间：

这两个函数都返回指向新内存结构的平坦1D数组

import numpy as np
y = np.array(((1,2,3),(4,5,6),(7,8,9)))
OUTPUT:
print(y.flatten())
[1   2   3   4   5   6   7   8   9]
print(y.ravel())
[1   2   3   4   5   6   7   8   9]

在上面的示例中：

• 结果的存储位置不同
• 结果看起来是一样的
• 展平将返回一份副本
• 拉威尔将返回一个视图

我们如何检查某物是否为副本？ 使用

ndarray

的

.base

属性。如果它是一个视图，则基础将是原始数组；如果是副本，则基础将为

None

---

检查

a2

是否为

a1

import numpy
a = numpy.array([[1,2],[3,4]])

r = numpy.ravel(a)
f = numpy.ndarray.flatten(a)  

print(id(a))
print(id(r))
print(id(f))

print(r)
print(f)

print("\nbase r:", r.base)
print("\nbase f:", f.base)

---returns---
140541099429760
140541099471056
140541099473216

[1 2 3 4]
[1 2 3 4]

base r: [[1 2]
 [3 4]]

base f: None

输出：

---

Ravel通常将视图返回到现有数组中（有时返回副本）。展平返回一个新数组。的可能副本是细微差别的实际演示。那么有人能举例说明何时展平一个数组更好，何时展平它吗？谢谢你问这个问题，我也有同样的问题。你知道为什么NumPy开发人员不坚持使用一个带有参数copy=[True，False]的函数吗？Backcompat担保有时会导致类似这种奇怪的事情发生。例如：numpy开发人员最近（在1.10中）添加了一个以前隐含的保证，即ravel将返回一个连续数组（这是编写C扩展时非常重要的一个属性），因此现在API是

a.flatte（）

为了确保获得副本，

a.ravel（）

避免大多数副本，但仍然保证返回的数组是连续的，

a.reformate（-1，）

以便在数组的步长允许的情况下真正获得视图，即使这意味着并不总是获得连续数组。@Hossein IanH解释道：

ravel

保证了连续数组，因此不能保证它返回一个视图<代码>重塑总是返回一个视图，因此不能保证它返回一个连续数组。@Hossein这将是一个全新的问题。非常简单地说，读取和写入连续内存空间的速度要快得多。这里有几个问题和答案，如果您还有其他问题，请随意打开一个新的。为什么它被称为

ravel

？这个名字背后的想法是什么？关于ravel（）处理

ndarray

列表的信息，请点击这里。不仅仅是数组列表，还有列表列表：）

id（a1.base）

应该与

id（a2.base）

import numpy
a1 = numpy.array([[1,2],[3,4]])
a2 = a1.copy()
id(a2.base), id(a1.base)

(140735713795296, 140735713795296)