numpy.ndarray.flatten()函数如何使用

其他教程   发布日期:2023年08月20日   浏览次数:460

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:

  1. import numpy as np
  2. class Debug:
  3. def __init__(self):
  4. self.array1 = np.array([[1, 2], [3, 4]])
  5. self.array2 = np.ones((2, 2, 2))
  6. def mainProgram(self):
  7. print("The value of array1 is: ")
  8. print(self.array1)
  9. print("The value of flattened array is: ")
  10. array2 = self.array1.flatten()
  11. print(array2)
  12. print("The value of array2 is: ")
  13. print(self.array2)
  14. print("The value of flattened array is: ")
  15. print(self.array2.flatten())
  16. if __name__ == '__main__':
  17. main = Debug()
  18. main.mainProgram()
  19. """
  20. The value of array1 is:
  21. [[1 2]
  22. [3 4]]
  23. The value of flattened array is:
  24. [1 2 3 4]
  25. The value of array2 is:
  26. [[[1. 1.]
  27. [1. 1.]]
  28. [[1. 1.]
  29. [1. 1.]]]
  30. The value of flattened array is:
  31. [1. 1. 1. 1. 1. 1. 1. 1.]
  32. """

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

  1. >>> x = np.array([[1, 2], [3, 4]])
  2. >>> x
  3. array([[1, 2],
  4. [3, 4]])
  5. >>> x.flatten()
  6. array([1, 2, 3, 4])
  7. >>> x.ravel()
  8. array([1, 2, 3, 4])
  9. # 两者默认均是行序优先
  10. >>> x.flatten('F')
  11. array([1, 3, 2, 4])
  12. >>> x.ravel('F')
  13. array([1, 3, 2, 4])
  14. >>> x.reshape(-1)
  15. array([1, 2, 3, 4])
  16. >>> x.T.reshape(-1)
  17. array([1, 3, 2, 4])

2. 两者的区别

  1. >>> x = np.array([[1, 2], [3, 4]])
  2. >>> x.flatten()[1] = 100 # flatten:返回的是拷贝
  3. >>> x
  4. array([[1, 2],
  5. [3, 4]])
  6. >>> x.ravel()[1] = 100
  7. >>> x
  8. array([[ 1, 100],
  9. [ 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!