python - 为什么 numpy.ravel 返回一个副本？

Question

在下面的例子中:

>>> import numpy as np
>>> a = np.arange(10)
>>> b = a[:,np.newaxis]
>>> c = b.ravel()
>>> np.may_share_memory(a,c)
False

为什么 numpy.ravel 返回我的数组的副本？它不应该只返回 a 吗？

编辑:

我刚刚发现 np.squeeze 不返回副本。

>>> b = a[:,np.newaxis]
>>> c = b.squeeze()
>>> np.may_share_memory(a,c)
True

为什么在这种情况下 squeeze 和 ravel 之间存在差异？

编辑:

正如 mgilson 所指出的，newaxis 将数组标记为不连续的，这就是 ravel 返回副本的原因。

那么，新的问题是为什么 newaxis 将数组标记为不连续的。

不过这个故事变得更奇怪了:

>>> a = np.arange(10)
>>> b = np.expand_dims(a,axis=1)
>>> b.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False
>>> c = b.ravel()
>>> np.may_share_memory(a,c)
True

根据expand_dims的文档，它应该等同于newaxis。

Answer 1

这可能不是您问题的最佳答案，但看起来插入 newaxis 会导致 numpy 将数组视为不连续的——可能用于广播目的:

>>> a=np.arange(10)
>>> b=a[:,None]
>>> a.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False
>>> b.flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

但是， reshape 不会导致:

>>> c=a.reshape(10,1) 
>>> c.flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

而且这些数组确实共享相同的内存:

>>> np.may_share_memory(c.ravel(),a)
True

编辑

np.expand_dims 实际上是使用 reshape 实现的，这就是它起作用的原因(我想这是文档中的一个小错误)。这是源代码(没有文档字符串):

def expand_dims(a,axis):
    a = asarray(a)
    shape = a.shape
    if axis < 0:
        axis = axis + len(shape) + 1
    return a.reshape(shape[:axis] + (1,) + shape[axis:])