扁平和拉威尔之间的差异（）

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返回迭代器而不是列表这一事实之外，它们看起来是相同的，因为它们都会改变原始数组（这与flatten()相反，后者返回数组的副本）。 那么， flat和ravel()之间还有其他显着的区别吗？ 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。 它给出的顺序与你通常从ravel得到的顺序相同。

不同的结果ravel ， flat不是ndarray ，所以它不能做太多，除了索引数组并遍历它。 请注意，您必须调用list才能查看迭代器的内容。 例如， arr.flat.min()将失败并出现AttributeError ，而arr.ravel().min()将给出与arr.min()相同的结果。

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

话虽这么说，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。 如果您有像内存映射数组一样的部分加载，则尤其如此。