numpy.ndarray.flatten()函数如何使用

今天小编给大家分享一下numpy.ndarray.flatten()函数如何使用的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。

该函数主要用来快速扁平化数组，请看如下代码：

import numpy as np


class Debug:
    def __init__(self):
        self.array1 = np.array([[1, 2], [3, 4]])
        self.array2 = np.ones((2, 2, 2))

    def mainProgram(self):
        print("The value of array1 is: ")
        print(self.array1)
        print("The value of flattened array is: ")
        array2 = self.array1.flatten()
        print(array2)
        print("The value of array2 is: ")
        print(self.array2)
        print("The value of flattened array is: ")
        print(self.array2.flatten())


if __name__ == '__main__':
    main = Debug()
    main.mainProgram()
"""
The value of array1 is: 
[[1 2]
 [3 4]]
The value of flattened array is: 
[1 2 3 4]
The value of array2 is: 
[[[1. 1.]
  [1. 1.]]

 [[1. 1.]
  [1. 1.]]]
The value of flattened array is: 
[1. 1. 1. 1. 1. 1. 1. 1.]
"""

我们可以到，使用数组调用flatten()可以快速地将二维或者三维数组快速地扁平化。

numpy.ravel() 和 numpy.flatten()

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（reflects）原始矩阵，而numpy.ravel()返回的是视图，会影响（reflects）原始矩阵。

1. 两者的功能

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

2. 两者的区别

>>> x = np.array([[1, 2], [3, 4]])
 
>>> x.flatten()[1] = 100  # flatten：返回的是拷贝
>>> x
array([[1, 2],
       [3, 4]])           
 
>>> x.ravel()[1] = 100
>>> x
array([[  1, 100],
       [  3,   4]])

以上就是numpy.ndarray.flatten()函数如何使用的详细内容，更多关于numpy.ndarray.flatten()函数如何使用的资料请关注九品源码其它相关文章！