python - flat 和 ravel() 之间的 numpy 区别

Question

以下有什么区别？

>>> 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 返回一个迭代器而不是一个列表之外，它们看起来是一样的，因为它们都在原地改变了原始数组(这与 flatten 形成对比()，返回数组的副本)。那么，flat 和 ravel() 之间是否还有其他显着差异？如果不是，什么时候使用一个而不是另一个有用？

Answer 1

flat 是一个迭代器。它是一个单独的对象，恰好可以通过索引访问数组元素。它的主要目的是用于循环和理解表达式。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，所以它除了索引数组和遍历数组外不能做太多事情.请注意，您必须调用 list 才能查看迭代器的内容。例如，arr.flat.min() 会因 AttributeError 而失败，而 arr.ravel().min() 会给出与 arr.min() 相同的结果。

由于 numpy 提供了很多不需要显式循环编写的操作，ndarray.flat 和一般的迭代器相比 很少使用ndarray.ravel().

也就是说，有些情况下迭代器更可取。如果您的数组足够大，并且您正试图一个一个地检查所有元素，那么迭代器就可以很好地工作。如果您有类似内存映射数组的部分加载的内容，则尤其如此。