再次审视ndarray扁平化相关函数，多维变一维函数区别

我们相信：世界是美好的，你是我也是。 来玩一下解压小游戏吧！

由于目光再次回到了“数组扁平化/多维变一维”这个话题上，苏南大叔也写一下自己的最新感受和总结。不过本文的主体内容，想要先和奇葩的sklearn.utils.column_or_1d(a)撇清关系，本文不讨论这个奇葩的只能扁平化部分数组的函数。只讨论以下三个函数.flatten()、.ravel()、.reshape()。

苏南大叔的“程序如此灵动”博客，记录苏南大叔的代码编程经验总结。本文测试环境：win10，python@3.12.0,numpy@1.26.1,scikit-learn@1.2.2。

前文回顾

苏南大叔描述过对ndarray类型的扁平化处理方式，以及对list类型的扁平化处理方式。参考文章：

• https://newsn.net/say/ndarray-flatten.html
• https://newsn.net/say/list-flatten.html

本文就是基于这两篇文章进行讨论的。

差异点一

经过反反复复的经验总结，苏南大叔可以得出的经验值是：很多【并不是全部】numpy的函数，都有两个使用方式。一个是定义在numpy上，另外一个定义在ndarray类型的变量上。

然而，对于数组扁平化这件事情来说，上文的经验总结的几个函数来说，却存在着主体差异。

差异点二

因为这里是以“多维变一维”的相关函数为主要叙述目标的。所以，重点对比下面的三个函数.ravel()、.flatten()、.reshape()。主要对比的点是函数返回值。

.flatten()的返回值是个副本，和原版的被操作变量无关。

import numpy as np
x = np.array([["苏","南"], ["大","叔"]])
x.flatten()[3] = "哥"
print(x)
'''
[['苏' '南']
 ['大' '叔']]
'''

.ravel()的返回值是个引用，和原版的被操作变量就是同一个变量。

import numpy as np
x = np.array([["苏","南"], ["大","叔"]])
x.ravel()[3] = "哥"
print(x)
'''
[['苏' '南']
 ['大' '哥']]
'''
x = np.array([["苏","南"], ["大","叔"]])
np.ravel(x)[3] = "哥"
print(x)
'''
[['苏' '南']
 ['大' '哥']]
'''

.reshape()的返回值也是个引用，和原版的被操作变量就是同一个变量。

import numpy as np
x = np.array([["苏","南"], ["大","叔"]])
x.reshape(-1)[3]="哥"
print(x)
'''
[['苏' '南']
 ['大' '哥']]
'''
x = np.array([["苏","南"], ["大","叔"]])
np.reshape(x,-1)[3]="哥"
print(x)
'''
[['苏' '南']
 ['大' '哥']]
'''

差异点三

对于np.，可以操作的对象可以是ndarray，也可以是list/tuple等类数组类型。而ndarray_.则必然只可操作ndarray，在list类型后面试图做类似操作的话，会直接报错无此方法。

list类型总是可以关联上tuple类型，两者大多数情况下共进退。但是关联到set类型时，往往会出错。

import numpy as np

a = np.array([["苏","南","大","叔"],["技","术","博","客"]])
a = [["苏","南","大","叔"],["技","术","博","客"]]
a = (["苏","南","大","叔"],["技","术","博","客"])

b = np.ravel(a).tolist()              # ['苏' '南' '大' '叔' '技' '术' '博' '客']
c = np.reshape(a,-1).tolist()         # ['苏' '南' '大' '叔' '技' '术' '博' '客'] 
print(b,c)

相关文章

• https://newsn.net/say/ndarray-expand_dims.html
• https://newsn.net/say/numpy-random.html

结语

更多苏南大叔的python相关经验文章，请点击下面的链接：

• https://newsn.net/tag/python/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。