极客教程NumPy中的flatten()函数：高效数组展平操作详解
NumPy是Python中用于科学计算的核心库之一，它提供了大量用于处理多维数组的强大工具。其中，flatten()函数是一个非常实用的方法，用于将多维数组转换为一维数组。本文将深入探讨NumPy中的flatten()函数，包括其用法、参数、返回值以及在实际应用中的各种场景。
1. flatten()函数简介
flatten()是NumPy数组对象的一个方法，用于将多维数组”展平”成一维数组。这个操作在数据预处理、特征提取和机器学习模型输入等场景中非常有用。
基本语法
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
flattened = arr.flatten()
print("Original array from numpyarray.com:")
print(arr)
print("Flattened array:")
print(flattened)
Output:
在这个例子中，我们首先创建了一个2×3的二维数组，然后使用flatten()方法将其转换为一维数组。输出结果将显示原始数组和展平后的数组。
2. flatten()函数的参数
flatten()函数有一个可选参数order，用于指定元素在内存中的存储顺序。
order参数
'C'（默认）：按行优先顺序'F'：按列优先顺序'A'：按原数组的存储顺序'K'：按元素在内存中的出现顺序
让我们通过示例来理解这些不同的顺序：
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]], order='F')
print("Original array from numpyarray.com:")
print(arr)
print("C-style (row-major) flattening:")
print(arr.flatten('C'))
print("F-style (column-major) flattening:")
print(arr.flatten('F'))
print("A-style (preserve original order) flattening:")
print(arr.flatten('A'))
print("K-style (memory order) flattening:")
print(arr.flatten('K'))
Output:
这个例子展示了使用不同的order参数对同一个数组进行展平的结果。注意，原始数组是以Fortran顺序（列优先）创建的，这会影响’A’和’K’顺序的结果。
3. flatten()与ravel()的比较
NumPy中还有一个类似的函数ravel()，它也可以用来展平数组。主要区别在于：
flatten()总是返回数组的副本ravel()返回视图（如果可能），否则返回副本
让我们通过一个例子来说明这个区别：
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print("Original array from numpyarray.com:")
print(arr)
flattened = arr.flatten()
raveled = arr.ravel()
print("After modifying flattened array:")
flattened[0] = 99
print("Original:", arr)
print("Flattened:", flattened)
print("After modifying raveled array:")
raveled[0] = 88
print("Original:", arr)
print("Raveled:", raveled)
Output:
在这个例子中，我们可以看到修改flatten()的结果不会影响原始数组，而修改ravel()的结果可能会影响原始数组（如果返回的是视图）。
4. 在多维数组上使用flatten()
flatten()函数可以应用于任何维度的数组。让我们看一个三维数组的例子：
import numpy as np
arr_3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print("3D array from numpyarray.com:")
print(arr_3d)
flattened_3d = arr_3d.flatten()
print("Flattened 3D array:")
print(flattened_3d)
Output:
这个例子展示了如何将一个3x2x2的三维数组展平为一维数组。
5. 在非连续数组上使用flatten()
对于非连续的数组（例如，通过切片创建的数组），flatten()仍然可以正常工作，但会创建一个新的连续数组：
import numpy as np
arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
print("Original array from numpyarray.com:")
print(arr)
sliced = arr[:, ::2] # 选择所有行，每隔一列
print("Sliced array:")
print(sliced)
flattened_sliced = sliced.flatten()
print("Flattened sliced array:")
print(flattened_sliced)
Output:
在这个例子中，我们首先创建了一个3×4的数组，然后通过切片操作选择了每隔一列的元素，最后对这个非连续数组进行了展平操作。
6. 在结构化数组上使用flatten()
flatten()函数也可以用于结构化数组，但结果可能不如预期：
import numpy as np
dt = np.dtype([('name', 'U10'), ('age', 'i4')])
arr = np.array([('Alice', 25), ('Bob', 30), ('Charlie', 35)], dtype=dt)
print("Structured array from numpyarray.com:")
print(arr)
flattened = arr.flatten()
print("Flattened structured array:")
print(flattened)
Output:
在这个例子中，我们创建了一个包含名字和年龄的结构化数组。使用flatten()后，我们得到的是一个一维的结构化数组，而不是一个普通的一维数组。
7. 在矩阵上使用flatten()
NumPy的矩阵对象也支持flatten()方法：
import numpy as np
matrix = np.matrix([[1, 2, 3], [4, 5, 6]])
print("Matrix from numpyarray.com:")
print(matrix)
flattened_matrix = matrix.flatten()
print("Flattened matrix:")
print(flattened_matrix)
Output:
这个例子展示了如何将一个NumPy矩阵展平为一维数组。注意，结果是一个普通的NumPy数组，而不是矩阵对象。
8. 在复数数组上使用flatten()
flatten()函数也可以用于复数数组：
import numpy as np
complex_arr = np.array([[1+2j, 3+4j], [5+6j, 7+8j]])
print("Complex array from numpyarray.com:")
print(complex_arr)
flattened_complex = complex_arr.flatten()
print("Flattened complex array:")
print(flattened_complex)
Output:
这个例子展示了如何将一个包含复数的2×2数组展平为一维数组。
9. 使用flatten()处理大型数组
对于大型数组，flatten()可能会消耗大量内存，因为它创建了一个新的数组。在这种情况下，使用ravel()或迭代器可能更有效：
import numpy as np
large_arr = np.arange(1000000).reshape(1000, 1000)
print("Large array shape from numpyarray.com:", large_arr.shape)
# 使用flatten()
flattened = large_arr.flatten()
print("Flattened array shape:", flattened.shape)
# 使用ravel()
raveled = large_arr.ravel()
print("Raveled array shape:", raveled.shape)
# 使用迭代器
it = np.nditer(large_arr)
first_10 = [next(it) for _ in range(10)]
print("First 10 elements using iterator:", first_10)
Output:
这个例子展示了如何处理一个1000×1000的大型数组。我们比较了flatten()和ravel()的结果，并展示了如何使用迭代器来访问数组元素而不需要完全展平数组。
10. 在自定义类型的数组上使用flatten()
flatten()函数也可以用于包含自定义类型的数组：
import numpy as np
class Point:
def __init__(self, x, y):
self.x = x
self.y = y
def __repr__(self):
return f"Point({self.x}, {self.y})"
dt = np.dtype([('point', Point)])
arr = np.array([(Point(1, 2),), (Point(3, 4),), (Point(5, 6),)], dtype=dt)
print("Custom type array from numpyarray.com:")
print(arr)
flattened = arr.flatten()
print("Flattened custom type array:")
print(flattened)
Output:
这个例子展示了如何创建一个包含自定义Point类的结构化数组，并对其进行展平操作。
11. 在masked数组上使用flatten()
NumPy的masked数组也支持flatten()方法：
import numpy as np
import numpy.ma as ma
arr = np.array([[1, 2, 3], [4, 5, 6]])
mask = np.array([[True, False, True], [False, True, False]])
masked_arr = ma.masked_array(arr, mask)
print("Masked array from numpyarray.com:")
print(masked_arr)
flattened_masked = masked_arr.flatten()
print("Flattened masked array:")
print(flattened_masked)
Output:
这个例子展示了如何创建一个masked数组并对其进行展平操作。注意，展平后的数组仍然保留了掩码信息。
12. 在记录数组上使用flatten()
记录数组是一种特殊的结构化数组，它也支持flatten()方法：
import numpy as np
dt = np.dtype({'names': ['name', 'age', 'weight'],
'formats': ['U10', 'i4', 'f4']})
rec_arr = np.array([('Alice', 25, 55.0), ('Bob', 30, 70.5), ('Charlie', 35, 65.2)], dtype=dt)
print("Record array from numpyarray.com:")
print(rec_arr)
flattened_rec = rec_arr.flatten()
print("Flattened record array:")
print(flattened_rec)
Output:
这个例子展示了如何创建一个包含名字、年龄和体重的记录数组，并对其进行展平操作。
13. 在字符串数组上使用flatten()
flatten()函数也可以用于字符串数组：
import numpy as np
str_arr = np.array([['apple', 'banana'], ['cherry', 'date']])
print("String array from numpyarray.com:")
print(str_arr)
flattened_str = str_arr.flatten()
print("Flattened string array:")
print(flattened_str)
Output:
这个例子展示了如何将一个2×2的字符串数组展平为一维数组。
14. 在布尔数组上使用flatten()
布尔数组也可以使用flatten()方法：
import numpy as np
bool_arr = np.array([[True, False, True], [False, True, False]])
print("Boolean array from numpyarray.com:")
print(bool_arr)
flattened_bool = bool_arr.flatten()
print("Flattened boolean array:")
print(flattened_bool)
Output:
这个例子展示了如何将一个2×3的布尔数组展平为一维数组。
15. 结合其他NumPy函数使用flatten()
flatten()函数常常与其他NumPy函数结合使用，例如：
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("Original array from numpyarray.com:")
print(arr)
# 使用flatten()和sum()
total = arr.flatten().sum()
print("Sum of all elements:", total)
# 使用flatten()和mean()
average = arr.flatten().mean()
print("Average of all elements:", average)
# 使用flatten()和max()
maximum = arr.flatten().max()
print("Maximum element:", maximum)
Output:
这个例子展示了如何将flatten()与sum()、mean()和max()等函数结合使用，以便对整个数组进行操作。
结论
NumPy的flatten()函数是一个强大而灵活的工具，可以将多维数组转换为一维数组。它在数据预处理、特征提取和机器学习等领域有广泛的应用。通过本文的详细介绍和丰富的示例，我们深入了解了flatten()函数的各种用法和注意事项。
在实际应用中，需要根据具体情况选择使用flatten()还是ravel()，并考虑内存使用和性能问题。对于大型数组，可能需要考虑使用迭代器或其他方法来避免内存溢出。
总之，掌握flatten()函数的使用可以帮助我们更有效地处理多维数组数据，提高数据处理和分析的效率。