numpy.ravel

numpy.ravel(a, order='C') [source]

Возвращает плоский массив, расположенный непрерывно.

Возвращается одномерный массив, содержащий элементы входного массива. Копия создается только в случае необходимости.

Начиная с NumPy 1.10, возвращаемый массив будет иметь тот же тип, что и входной массив. (например, для входного массива-маски будет возвращен массив-маска).

Параметры

aarray_like

Входной массив. Элементы в a считываются в порядке, указанном в order, и упаковываются в одномерный массив.

order{‘C’,’F’, ‘A’, ‘K’}, optional

Элементы a считываются с использованием этого порядка индексов. ‘C’ означает чтение элементов в порядке строки (последовательность C), где индекс последнего осей изменяется быстрее, а индекс первой оси изменяется медленнее. ‘F’ означает чтение элементов в порядке столбца (последовательность Fortran), где индекс первого осей изменяется быстрее, а индекс последнего осей изменяется медленнее. Обратите внимание, что опции ‘C’ и ‘F’ не учитывают расположение элементов в памяти базового массива, а только порядок индексации осей. ‘A’ означает чтение элементов в порядке индексов, аналогичном Fortran, если a является Fortran-непрерывным в памяти, а в противном случае – в порядке C. ‘K’ означает чтение элементов в том порядке, в котором они встречаются в памяти, за исключением перестановки данных при отрицательных шагах. По умолчанию используется порядок индексов ‘C’.

Возвращает

yarray_like

y — массив того же подтипа, что и a, с формой (a.size,). Обратите внимание, что матрицы являются специальным случаем для обеспечения обратной совместимости: если a является матрицей, то y является одномерным массивом ndarray.

См. также

ndarray.flat

Итератор по одномерному массиву.

ndarray.flatten

Одномерная копия элементов массива в порядке строк.

ndarray.reshape

Изменение формы массива без изменения данных.

Примечания

В строчном порядке (стиль C) в двухмерном случае индекс строки изменяется медленнее, а индекс столбца — быстрее. Это можно обобщить на многомерные случаи, где строчный порядок подразумевает, что индекс по первой оси изменяется медленнее, а индекс по последней оси — быстрее. Обратное справедливо для столбцового порядка (стиль Fortran).

Когда желательно получить представление (view) во многих случаях, arr.reshape(-1) может быть предпочтительнее.

Примеры

Это эквивалентно reshape(-1, order=order).

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

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

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

Когда order равно ‘A’, он сохранит порядок массива ‘C’ или ‘F’:

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

Когда order равно ‘K’, он сохранит порядки, которые не являются ни ‘C’, ни ‘F’, но не будет изменять оси:

>>> 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])