
- NumPy 教程
- NumPy - 首頁
- NumPy - 簡介
- NumPy - 環境
- NumPy 陣列
- NumPy - Ndarray 物件
- NumPy - 資料型別
- NumPy 建立和運算元組
- NumPy - 陣列建立例程
- NumPy - 陣列操作
- NumPy - 從現有資料建立陣列
- NumPy - 從數值範圍建立陣列
- NumPy - 迭代陣列
- NumPy - 陣列重塑
- NumPy - 陣列連線
- NumPy - 陣列堆疊
- NumPy - 陣列分割
- NumPy - 陣列扁平化
- NumPy - 陣列轉置
- NumPy 索引和切片
- NumPy - 索引和切片
- NumPy - 高階索引
- NumPy 陣列屬性和操作
- NumPy - 陣列屬性
- NumPy - 陣列形狀
- NumPy - 陣列大小
- NumPy - 陣列步長
- NumPy - 陣列元素大小
- NumPy - 廣播
- NumPy - 算術運算
- NumPy - 陣列加法
- NumPy - 陣列減法
- NumPy - 陣列乘法
- NumPy - 陣列除法
- NumPy 高階陣列操作
- NumPy - 交換陣列軸
- NumPy - 位元組交換
- NumPy - 副本和檢視
- NumPy - 元素級陣列比較
- NumPy - 陣列過濾
- NumPy - 陣列連線
- NumPy - 排序、搜尋和計數函式
- NumPy - 陣列搜尋
- NumPy - 陣列並集
- NumPy - 查詢唯一行
- NumPy - 建立日期時間陣列
- NumPy - 二元運算子
- NumPy - 字串函式
- NumPy - 數學函式
- NumPy - 統計函式
- NumPy - 矩陣庫
- NumPy - 線性代數
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 繪製直方圖
- NumPy - NumPy 的 I/O
- NumPy 排序和高階操作
- NumPy - 陣列排序
- NumPy - 沿軸排序
- NumPy - 使用花式索引排序
- NumPy - 結構化陣列
- NumPy - 建立結構化陣列
- NumPy - 操作結構化陣列
- NumPy - 欄位訪問
- NumPy - 記錄陣列
- NumPy - 載入陣列
- NumPy - 儲存陣列
- NumPy - 將值追加到陣列
- NumPy - 交換陣列的列
- NumPy - 向陣列插入軸
- NumPy 處理缺失資料
- NumPy - 處理缺失資料
- NumPy - 識別缺失值
- NumPy - 刪除缺失資料
- NumPy - 估算缺失資料
- NumPy 效能最佳化
- NumPy - 使用陣列進行效能最佳化
- NumPy - 使用陣列進行向量化
- NumPy - 陣列的記憶體佈局
- NumPy 線性代數
- NumPy - 線性代數
- NumPy - 矩陣庫
- NumPy - 矩陣加法
- NumPy - 矩陣減法
- NumPy - 矩陣乘法
- NumPy - 元素級矩陣運算
- NumPy - 點積
- NumPy - 矩陣求逆
- NumPy - 行列式計算
- NumPy - 特徵值
- NumPy - 特徵向量
- NumPy - 奇異值分解
- NumPy - 求解線性方程組
- NumPy - 矩陣範數
- NumPy 元素級矩陣運算
- NumPy - 求和
- NumPy - 平均值
- NumPy - 中位數
- NumPy - 最小值
- NumPy - 最大值
- NumPy 集合運算
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 並集
- NumPy - 差集
- NumPy 有用資源
- NumPy 編譯器
- NumPy - 快速指南
- NumPy - 有用資源
- NumPy - 討論
NumPy ravel() 函式
NumPy 的ravel()函式透過提供一個包含與輸入相同元素但只有一維的1D陣列來返回一個扁平化的陣列。
與flatten()函式相比,ravel()函式在可能的情況下返回輸入陣列的扁平化檢視,如果輸入陣列不是連續的,則返回一個副本。
ravel()函式對於某些操作來說更節省記憶體。它接受一個order引數,該引數可以是'C'、'F'、'A'或'K',以指定扁平化陣列中元素的所需順序。
語法
NumPy ravel()函式的語法如下:
numpy.ravel(a, order='C')
引數
以下是 NumPy ravel()函式的引數:
- a (array_like): 'a'中的元素根據order引數以行主序(C風格)或列主序(Fortran風格)讀取。
- order: {'C', 'F', 'A', 'K'}, 可選:指定讀取元素的順序。
- 'C': 行主序(C風格)。
- 'F': 列主序(Fortran風格)。
- 'A': 如果陣列儲存在行主序記憶體中,則為行主序,否則為列主序。
- 'K': 元素按其在記憶體中出現的順序讀取,但當步長為負時,會反轉資料。
返回值
此函式返回一個1D陣列,其中包含輸入陣列的元素,以扁平化的順序排列。
示例 1
以下是 NumPy ravel()函式的示例,它展示了 ravel() 的基本用法,將一個 2D 陣列扁平化為一個 1D 陣列,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)
輸出
Original array: [[1 2 3] [4 5 6]] Flattened array: [1 2 3 4 5 6]
示例 2
此示例說明了如何使用 numpy.ravel() 函式將一個 3D 陣列扁平化為一個 1D 陣列,遵循預設的行主序。
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)
輸出
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
廣告