Question

以下是什么区别？

>>> import numpy as np
>>> arr = np.array([[[  0,   1,   2],
...                  [ 10,  12,  13]],
...                 [[100, 101, 102],
...                  [110, 112, 113]]])
>>> arr
array([[[  0,   1,   2],
        [ 10,  12,  13]],
       [[100, 101, 102],
        [110, 112, 113]]])
>>> arr.ravel()
array([  0,   1,   2,  10,  12,  13, 100, 101, 102, 110, 112, 113])
>>> arr.ravel()[0] = -1
>>> arr
array([[[ -1,   1,   2],
        [ 10,  12,  13]],
       [[100, 101, 102],
        [110, 112, 113]]])
>>> list(arr.flat)
[-1, 1, 2, 10, 12, 13, 100, 101, 102, 110, 112, 113]
>>> arr.flat[0] = 99
>>> arr
array([[[ 99,   1,   2],
        [ 10,  12,  13]],
       [[100, 101, 102],
        [110, 112, 113]]])

除了flat返回迭代器而不是列表的事实之外，它们看起来是相同的，因为它们都改变了原始数组（这与flatten()相反，返回数组的副本）。那么，flat和ravel()之间是否存在其他显着差异？如果没有，何时使用一个而不是另一个是有用的？

Answer 1

flat是一个迭代器。它是一个单独的对象，恰好通过索引来访问数组元素。它的主要目的是在循环和理解表达式中使用。它给出的顺序与您通常从ravel获得的顺序相同。

与ravel的结果不同，flat不是ndarray，因此除了索引数组并对其进行迭代之外，它无法做很多事情。请注意，您必须调用list来查看迭代器的内容。例如，arr.flat.min()会因AttributeError而失败，而arr.ravel().min()会产生与arr.min()相同的结果。

由于numpy提供了许多不需要编写显式循环的操作，因此与ndarray.flat相比，很少使用ndarray.ravel()和迭代器。

话虽如此，但有些情况下迭代器更可取。如果你的数组足够大并且你试图逐个检查所有元素，那么迭代器就可以正常工作。如果你有像内存映射数组那样的部分加载，那就更是如此。

flat和ravel之间的差异（）

1 个答案: