- NumPy 教程
- NumPy - 首页
- NumPy - 简介
- NumPy - 环境
- NumPy 数组
- NumPy - Ndarray 对象
- NumPy - 数据类型
- NumPy 创建和操作数组
- NumPy - 数组创建例程
- NumPy - 数组操作
- NumPy - 从现有数据创建数组
- NumPy - 从数值范围创建数组
- NumPy - 迭代数组
- NumPy - 数组重塑
- NumPy - 数组连接
- NumPy - 数组堆叠
- NumPy - 数组分割
- NumPy - 数组扁平化
- NumPy - 数组转置
- NumPy 索引和切片
- NumPy - 索引和切片
- NumPy - 高级索引
- NumPy 数组属性和操作
- NumPy - 数组属性
- NumPy - 数组形状
- NumPy - 数组大小
- NumPy - 数组步长
- NumPy - 数组元素大小
- NumPy - 广播
- NumPy - 算术运算
- NumPy - 数组加法
- NumPy - 数组减法
- NumPy - 数组乘法
- NumPy - 数组除法
- NumPy 高级数组操作
- NumPy - 交换数组轴
- NumPy - 字节交换
- NumPy - 副本和视图
- NumPy - 元素级数组比较
- NumPy - 数组过滤
- NumPy - 数组连接
- NumPy - 排序、搜索和计数函数
- NumPy - 数组搜索
- NumPy - 数组并集
- NumPy - 查找唯一行
- NumPy - 创建日期时间数组
- NumPy - 二元运算符
- NumPy - 字符串函数
- NumPy - 数学函数
- NumPy - 统计函数
- NumPy - 矩阵库
- NumPy - 线性代数
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 绘制直方图
- NumPy - NumPy 的 I/O
- NumPy 排序和高级操作
- NumPy - 数组排序
- NumPy - 沿轴排序
- NumPy - 使用花式索引排序
- NumPy - 结构化数组
- NumPy - 创建结构化数组
- NumPy - 操作结构化数组
- NumPy - 字段访问
- NumPy - 记录数组
- NumPy - 加载数组
- NumPy - 保存数组
- NumPy - 将值追加到数组
- NumPy - 交换数组的列
- NumPy - 向数组插入轴
- NumPy 处理缺失数据
- NumPy - 处理缺失数据
- NumPy - 识别缺失值
- NumPy - 删除缺失数据
- NumPy - 估算缺失数据
- NumPy 性能优化
- NumPy - 使用数组进行性能优化
- NumPy - 使用数组进行向量化
- NumPy - 数组的内存布局
- NumPy 线性代数
- NumPy - 线性代数
- NumPy - 矩阵库
- NumPy - 矩阵加法
- NumPy - 矩阵减法
- NumPy - 矩阵乘法
- NumPy - 元素级矩阵运算
- NumPy - 点积
- NumPy - 矩阵求逆
- NumPy - 行列式计算
- NumPy - 特征值
- NumPy - 特征向量
- NumPy - 奇异值分解
- NumPy - 求解线性方程组
- NumPy - 矩阵范数
- NumPy 元素级矩阵运算
- NumPy - 求和
- NumPy - 平均值
- NumPy - 中位数
- NumPy - 最小值
- NumPy - 最大值
- NumPy 集合运算
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 并集
- NumPy - 差集
- NumPy 有用资源
- NumPy 编译器
- NumPy - 快速指南
- NumPy - 有用资源
- NumPy - 讨论
NumPy ravel() 函数
NumPy 的ravel()函数通过提供一个包含与输入相同元素但只有一维的1D数组来返回一个扁平化的数组。
与flatten()函数相比,ravel()函数在可能的情况下返回输入数组的扁平化视图,如果输入数组不是连续的,则返回一个副本。
ravel()函数对于某些操作来说更节省内存。它接受一个order参数,该参数可以是'C'、'F'、'A'或'K',以指定扁平化数组中元素的所需顺序。
语法
NumPy ravel()函数的语法如下:
numpy.ravel(a, order='C')
参数
以下是 NumPy ravel()函数的参数:
- a (array_like): 'a'中的元素根据order参数以行主序(C风格)或列主序(Fortran风格)读取。
- order: {'C', 'F', 'A', 'K'}, 可选:指定读取元素的顺序。
- 'C': 行主序(C风格)。
- 'F': 列主序(Fortran风格)。
- 'A': 如果数组存储在行主序内存中,则为行主序,否则为列主序。
- 'K': 元素按其在内存中出现的顺序读取,但当步长为负时,会反转数据。
返回值
此函数返回一个1D数组,其中包含输入数组的元素,以扁平化的顺序排列。
示例 1
以下是 NumPy ravel()函数的示例,它展示了 ravel() 的基本用法,将一个 2D 数组扁平化为一个 1D 数组,以行主序排列。
import numpy as np # Creating a 2D array array_2d = np.array([[1, 2, 3], [4, 5, 6]]) # Flattening the array flattened_array = np.ravel(array_2d) print("Original array:\n") print(array_2d) print("Flattened array:") print(flattened_array)
输出
Original array: [[1 2 3] [4 5 6]] Flattened array: [1 2 3 4 5 6]
示例 2
此示例说明了如何使用 numpy.ravel() 函数将一个 3D 数组扁平化为一个 1D 数组,遵循默认的行主序。
import numpy as np # Creating a 3D array array_3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]]) # Flattening the array flattened_array_3d = np.ravel(array_3d) print("Original 3D array:\n") print(array_3d) print("Flattened array:") print(flattened_array_3d)
输出
Original 3D array: [[[1 2] [3 4]] [[5 6] [7 8]]] Flattened array: [1 2 3 4 5 6 7 8]
numpy_array_manipulation.htm
广告