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内容请搜索脚本之家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脚本之家!
相关文章
关于Django使用 django-celery-beat动态添加定时任务的方法
本文给大家介绍Django使用 django-celery-beat动态添加定时任务的方法,安装对应的是celery版本,文中给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧2021-10-10python操作数据库之sqlite3打开数据库、删除、修改示例
这篇文章主要介绍了python操作sqlite3打开数据库、删除、修改示例,需要的朋友可以参考下2014-03-03Python中使用glob和rmtree删除目录子目录及所有文件的例子
这篇文章主要介绍了python中使用glob和rmtree删除目录子目录及所有文件的例子,需要的朋友可以参考下2014-11-11
最新评论