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]])