numpy.ravel

numpy.ravel(a, order='C')

返回一个连续的扁平数组。

返回包含输入元素的1-D数组。只有在需要时才进行复印。

从NumPy 1.10开始，返回的数组将具有与输入数组相同的类型。（例如，将为掩蔽的数组输入返回掩蔽的数组）

参数：

a：array_like

输入数组。a中的元素按照顺序指定的顺序读取，并打包为1-D数组。

订单：{'C'，'F'，'A'，'K'}，可选

使用此索引顺序读取a的元素。'C'意味着以row-major，C风格顺序索引元素，最后一个轴索引变化最快，回到第一个轴索引变化最慢。'F'意味着以列大，Fortran风格顺序索引元素，第一个索引变化最快，最后一个索引变化最慢。请注意，'C'和'F'选项不考虑底层数组的内存布局，只涉及轴索引的顺序。'A'意味着在内存中a是Fortran 连续时，以类似Fortran的顺序读取元素，否则类似C的顺序。'K'意味着按照它们在存储器中出现的顺序读取元素，除非当步幅为负时反转数据。默认情况下，将使用“C”索引顺序。

返回：

y：array_like

如果a是矩阵，则y是1-D ndarray，否则y是与a相同子类型的数组。返回的数组的形状为(a.size,)。矩阵是特殊情况下的向后兼容性。

也可以看看

ndarray.flat

1-D迭代器。

ndarray.flatten

数组的元素的1-D数组副本。

ndarray.reshape

更改数组的形状，而不更改其数据。

笔记

在行主，C样式顺序中，在二维中，行索引变化最慢，列索引最快。这可以被推广到多个维度，其中行主要顺序意味着沿着第一轴的索引变化最慢，并且索引沿着最后最快。相反，列主键，Fortran风格索引排序。

当在尽可能多的情况下需要视图时，arr.reshape(-1)可能是优选的。

例子

它等效于reshape（-1， order = order）。

>>> x = np.array([[1, 2, 3], [4, 5, 6]])
>>> print(np.ravel(x))
[1 2 3 4 5 6]

>>> print(x.reshape(-1))
[1 2 3 4 5 6]

>>> print(np.ravel(x, order='F'))
[1 4 2 5 3 6]

当order为'A'时，它将保留数组的'C'或'F'顺序：

>>> print(np.ravel(x.T))
[1 4 2 5 3 6]
>>> print(np.ravel(x.T, order='A'))
[1 2 3 4 5 6]

当order为'K'时，它将保留既不是“C”也不是“F”的顺序，但不会反转轴：

>>> a = np.arange(3)[::-1]; a
array([2, 1, 0])
>>> a.ravel(order='C')
array([2, 1, 0])
>>> a.ravel(order='K')
array([2, 1, 0])

>>> a = np.arange(12).reshape(2,3,2).swapaxes(1,2); a
array([[[ 0,  2,  4],
        [ 1,  3,  5]],
       [[ 6,  8, 10],
        [ 7,  9, 11]]])
>>> a.ravel(order='C')
array([ 0,  2,  4,  1,  3,  5,  6,  8, 10,  7,  9, 11])
>>> a.ravel(order='K')
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])