把一个矩阵行优先展成一个向量,numpy.ravel() vs numpy.flatten()区别

时间:2022-05-06
本文章向大家介绍把一个矩阵行优先展成一个向量,numpy.ravel() vs numpy.flatten()区别,主要内容包括两者区别、二者共性:、基本概念、基础应用、原理机制和需要注意的事项等,并结合实例形式分析了其使用技巧,希望通过本文能帮助到大家理解应用这部分内容。

首先声明两者所要实现的功能是一致的(将多维数组降位一维),两者的区别在于返回拷贝(copy)还是返回视图(view),numpy.flatten()返回一份拷贝,对拷贝所做的修改不会影响原始矩阵,而numpy.ravel()返回的是视图,会影响原始矩阵。

两者区别

x = np.array([[1, 2], [3, 4]])
print(x.flatten()[1] = 100)
array([[1, 2],
       [3, 4]])            # flatten:返回的是拷贝,不会对数据进行修改


print(x.ravel()[1] = 100)  #ravel()则回对数据进行就该
array([[  1, 100],
       [  3,   4]])

二者共性:

验证两者的功能

x = np.array([[1, 2], [3, 4]])
array([[1, 2],
       [3, 4]])
x.flatten()
array([1, 2, 3, 4])
x.ravel()
array([1, 2, 3, 4])

两者默认均是行序优先

x.flatten('F')
array([1, 3, 2, 4])
x.ravel('F')
array([1, 3, 2, 4])

x.reshape(-1)
array([1, 2, 3, 4])
x.T.reshape(-1)
array([1, 3, 2, 4])