numpyのflatten関数とravel関数の違いは何ですか？

import numpy as np
y = np.array(((1,2,3),(4,5,6),(7,8,9)))
OUTPUT:
print(y.flatten())
[1   2   3   4   5   6   7   8   9]
print(y.ravel())
[1   2   3   4   5   6   7   8   9]

どちらの関数も同じリストを返します。次に、同じジョブを実行する2つの異なる機能の必要性は何ですか。

現在のAPIは次のとおりです。

• flatten 常にコピーを返します。
• ravel可能な場合は常に、元の配列のビューを返します。これは印刷出力には表示されませんが、ravelから返された配列を変更すると、元の配列のエントリが変更される可能性があります。flattenから返された配列のエントリを変更すると、これは起こりません。メモリーがコピーされないため、ravelの方が高速になることがよくありますが、返される配列の変更についてはより注意する必要があります。
• reshape((-1,)) たとえ連続した配列を常に取得するとは限らない場合でも、配列のストライドが許可する場合は常にビューを取得します。

ここで説明するように、主な違いは次のとおりです。

• flatten はndarrayオブジェクトのメソッドであるため、真のnumpy配列に対してのみ呼び出すことができます。

• ravel ライブラリレベルの関数であるため、正常に解析できるすべてのオブジェクトで呼び出すことができます。

たとえばravel、ndarrayのリストで機能しflattenますが、そのタイプのオブジェクトでは使用できません。

@IanHはまた、彼の回答におけるメモリ処理との重要な違いを指摘しています。

次に、関数の正しい名前空間を示します。

• numpy.ndarray.flatten

• numpy.ravel

どちらの関数も、新しいメモリ構造を指すフラット化された1D配列を返します。

import numpy
a = numpy.array([[1,2],[3,4]])

r = numpy.ravel(a)
f = numpy.ndarray.flatten(a)  

print(id(a))
print(id(r))
print(id(f))

print(r)
print(f)

print("\nbase r:", r.base)
print("\nbase f:", f.base)

---returns---
140541099429760
140541099471056
140541099473216

[1 2 3 4]
[1 2 3 4]

base r: [[1 2]
 [3 4]]

base f: None

上の例では：

• 結果のメモリ位置は異なります
• 結果は同じに見えます
• flattenはコピーを返します
• ravelはビューを返します。

何かがコピーであるかどうかをどのようにチェックしますか？の.base属性を使用しますndarray。ビューの場合、ベースは元の配列になります。コピーの場合、ベースはになりますNone。