numpy.
ravel
返回一个连续的扁平数组。
返回包含输入元素的一维数组。只有在需要时才复印。
从numpy 1.10开始,返回的数组将与输入数组具有相同的类型。(例如,对于屏蔽数组输入,将返回一个屏蔽数组)
输入数组。元素在 a 按指定的顺序读取 order ,并打包为一维数组。
元素 a 使用此索引顺序读取。“C”表示按行主索引、C样式顺序对元素进行索引,最后一个轴索引更改得最快,返回到第一个轴索引更改得最慢。”f'表示按FORTRAN样式的列主顺序对元素进行索引,第一个索引更改得最快,最后一个索引更改得最慢。请注意,“c”和“f”选项不考虑底层数组的内存布局,只引用轴索引的顺序。”“a”表示按类似于Fortran的索引顺序读取元素,如果 a 是FORTRAN语言 邻接的 在内存中,C-like顺序不同。”k'表示按照元素在内存中出现的顺序读取元素,但在步幅为负时反转数据除外。默认情况下,使用“C”索引顺序。
Y是与相同子类型的数组 a 具有形状 (a.size,) . 注意,对于向后兼容性,如果 a 是一个矩阵,那么y是一个一维数组。
(a.size,)
参见
ndarray.flat
数组上的一维迭代器。
ndarray.flatten
按行主顺序排列的数组元素的一维数组副本。
ndarray.reshape
更改数组的形状而不更改其数据。
笔记
在row major中,C样式顺序,在二维中,行索引变化最慢,列索引变化最快。这可以推广到多个维度,其中行主顺序意味着沿第一个轴的索引变化最慢,而沿最后一个最快的索引变化最慢。与之相对的是FORTRAN样式的列主索引排序。
在尽可能多的情况下需要视图时, arr.reshape(-1) 可能更好。
arr.reshape(-1)
实例
它相当于 reshape(-1, order=order) .
reshape(-1, order=order)
>>> x = np.array([[1, 2, 3], [4, 5, 6]]) >>> np.ravel(x) array([1, 2, 3, 4, 5, 6])
>>> x.reshape(-1) array([1, 2, 3, 4, 5, 6])
>>> np.ravel(x, order='F') array([1, 4, 2, 5, 3, 6])
什么时候? order 为“a”,它将保留数组的“c”或“f”顺序:
order
>>> np.ravel(x.T) array([1, 4, 2, 5, 3, 6]) >>> np.ravel(x.T, order='A') array([1, 2, 3, 4, 5, 6])
什么时候? order 为“k”,它将保留既不是“c”也不是“f”的订单,但不会反转轴:
>>> a = np.arange(3)[::-1]; a array([2, 1, 0]) >>> a.ravel(order='C') array([2, 1, 0]) >>> a.ravel(order='K') array([2, 1, 0])
>>> a = np.arange(12).reshape(2,3,2).swapaxes(1,2); a array([[[ 0, 2, 4], [ 1, 3, 5]], [[ 6, 8, 10], [ 7, 9, 11]]]) >>> a.ravel(order='C') array([ 0, 2, 4, 1, 3, 5, 6, 8, 10, 7, 9, 11]) >>> a.ravel(order='K') array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])