Python flat和ravel之间的numpy差异（）

以下两者之间的区别是什么

>>> import numpy as np
>>> arr = np.array([[[  0,   1,   2],
...                  [ 10,  12,  13]],
...                 [[100, 101, 102],
...                  [110, 112, 113]]])
>>> arr
array([[[  0,   1,   2],
        [ 10,  12,  13]],
       [[100, 101, 102],
        [110, 112, 113]]])
>>> arr.ravel()
array([  0,   1,   2,  10,  12,  13, 100, 101, 102, 110, 112, 113])
>>> arr.ravel()[0] = -1
>>> arr
array([[[ -1,   1,   2],
        [ 10,  12,  13]],
       [[100, 101, 102],
        [110, 112, 113]]])
>>> list(arr.flat)
[-1, 1, 2, 10, 12, 13, 100, 101, 102, 110, 112, 113]
>>> arr.flat[0] = 99
>>> arr
array([[[ 99,   1,   2],
        [ 10,  12,  13]],
       [[100, 101, 102],
        [110, 112, 113]]])

---

除了

flat

返回一个迭代器而不是列表这一事实之外，它们看起来是一样的，因为它们都改变了原来的数组（这与

flatte（）

相反，后者返回数组的副本）。那么，

flat

和

ravel（）

之间是否还有其他显著差异？如果不是，什么时候用一个代替另一个有用？

flat

是一个迭代器。它是一个单独的对象，恰好通过索引提供对数组元素的访问。它的主要用途是用于循环和理解表达式。它给出的顺序与您通常从

ravel

获得的顺序相同

与

ravel

的结果不同，

flat

不是

ndarray

，因此它除了对数组进行索引和迭代之外，没有什么作用。请注意，您必须调用

list

来查看迭代器的内容。例如，

arr.flat.min（）

由于
numpy
提供了大量不需要编写显式循环的操作，因此与
ndarray.ravel（）
相比，通常很少使用
ndarray.flat
和迭代器

也就是说，在某些情况下，迭代器更可取。如果您的数组足够大，并且您正试图逐个检查所有元素，那么迭代器将很好地工作。如果你有一个像内存映射数组这样的数组，它会被分部分加载，这一点尤其正确。
特别是
flat
生成一个
np类型的对象。flatiter
（参见它的文档）。它也是作为数组的一个属性实现的，而不是一个方法或函数。@hpaulj从技术上讲
flat
是
ndarray
的一个属性，这意味着它基本上是一个作为属性访问的无参数方法，但实际上每次访问它时都返回一个新实例。
flat
（像
shape
）这样的属性是在
numpy
c
代码中定义的，实际上并不使用Python
属性
机制
：
numpy/core/src/multiarray/getset.c`。它们在功能上看起来很相似。
np.array（arr.flat）
提供了与
np.ravel（x）
更接近（可能相同）。