numpy.ndarray.flatten()函数的具体使用
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]])
到此这篇关于numpy.ndarray.flatten()函数的具体使用的文章就介绍到这了,更多相关numpy flatten内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!
相关文章