Рубрики
Без рубрики

7 примеров, чтобы знать о функции Numpy Ravel

Numpy Ravel () используется для возврата непрерывных сплющенных массив. Это означает 1-D массив со всеми входными элементами и с тем же типом, что и он.

Автор оригинала: Team Python Pool.

Вступление

В Python есть много способов повторной структуре массива в соответствии с необходимостью человека. Но есть некоторые случаи, когда нам нужен одномерный массив, а не Двумерный массив. Этот тип проблемной Numpy Library предоставляет функцию, с помощью которой мы можем преобразовать двумерный массив в одномерный массив , то есть, numpy.ndarray.ravel () Функция Travel () в Numpy Library является одной из наиболее важных и обычно используемых функций, которые помогают разваливать данные, которые были представлены пользователем.

Что такое метод Numpy Ravel ()?

Numpy.ndarray.ravel () используется, когда возвращать непрерывные сплющенные массива. Это означает 1-D массив со всеми входными элементами и с тем же типом, что и он.

Синтаксис Numpy Ravel

numpy.ravel(order = 'C')

Параметры

Заказ: {‘C,’ ‘F,’ ‘A,’ ‘K’} – Это необязательна функция на входе. Все элементы входного массива прочитаны в соответствии с порядком индекса. Во-первых, если мы используем это означает, что заказ индекса будет соревнователем. Заказ в памяти медленнее на первом индексе и быстрее всего на последнем индексе.

Во-вторых, если мы используем это означает, что заказ индекса будет основным столбцом. Он также известен как «Заказ в стиле Fortran», который изменяет самый быстрый по первому индексу и самым медленным в последнем индексе. Помните, что оба не учитывают макет памяти массива и относятся только к порядку индексации оси.

В-третьих, если мы используем это означает чтение и запись элементов массива в порядке индекса в стиле Fortran. Если массив является крестуным смещением в памяти, в противном случае он возьмет C-подобный порядок.

В-четвертых, если мы используем Он прочитает элементы в том порядке, в котором они происходят в памяти. За исключением изменения данных. По умолчанию заказ всегда устанавливается на «C».

Возвращаемое значение Numpy Ravel

Массив с тем же типом, что и входной массив с порядком согласно вашему требованию.

Примеры метода Numpy Ravel

Давайте понять Numpy Ravel () Функция The Numpy Module в деталях с помощью примеров:

1. Использование 2-D массива в функции Numpy Ravel ()

В этом примере мы импортируем модуль NUMPY как NP. Затем мы сделаем входной массив в качестве 2-D массива. Наконец, мы будем применять функцию numpy Ravel () для преобразования 2-D массива в 1-D массив.

#python program using a 2-d array
#Import numpy library 

import numpy as np 
 
arr = np.array([[1,4,7], [2,5,8]]) 
 
output=arr.ravel()  

print("Input Array : ",arr)
print("Output Array : ",output)

Выход:

Input Array :  [[1 4 7]
 [2 5 8]]
Output Array :  [1 4 7 2 5 8]

Объяснение:

Здесь, во-первых, мы импортировали модуль Numpy с именем псевдонимов как NP. Во-вторых, мы создали 2-D массив, используя функцию массива. В-третьих, мы создали переменную как вывод и назначили ее Функция Ravel (). Наконец, мы напечатали значение вывода массива.

2. Чтобы показать, что numpy.ravel () эквивалентен изменить

В этом примере мы будем импортировать NUMPY модуль как имя псевдонима NP. Затем мы сделаем входной массив в качестве 2-D массива. Наконец, мы будем применять функцию numpy Ravel () для преобразования 2-D массива в 1-D массив. И наконец, мы будем применять функцию array.reeshape ().

#python program using a 2-d array
#Import numpy library 

import numpy as np 
 
arr = np.array([[1,4,7], [2,5,8]]) 
 
output=arr.ravel()  

print("Input Array : ",arr)
print("Output Array : ",output)

arr1 = arr.reshape(-1)
print("Reshape output : ", arr1)

Выход:

Input Array :  [[1 4 7]
 [2 5 8]]
Output Array :  [1 4 7 2 5 8]
Reshape output :  [1 4 7 2 5 8]

Объяснение:

Здесь, во-первых, мы импортировали модуль Numpy с именем псевдонимов как NP. Во-вторых, мы создали 2-D массив, используя функцию массива. В-третьих, мы создали переменную как вывод и назначили ее Функция Ravel (). В-четвертых, мы напечатали значение выходного массива. В-пятых, мы применили ARR. Функция Reshape (-1) и хранить значение в новом ARR1. Наконец, мы напечатали вывод функции Reshape и видели, что numpy.ravel () эквивалентен Array.Reshape ().

3. Используя в качестве параметра в функции Numpy Ravel ()

В этом примере мы импортируем модуль NUMPY как NP. Затем мы сделаем входной массив в качестве 2-D массива. Наконец, мы будем нанести функцию Numpy Ravel () с преобразованием 2-D массива в 1-D массив.

#python program using a 2-d array
#Import numpy library
#using order = 'F' 

import numpy as np 
 
arr = np.array([[1,2,3], [4,5,6]]) 
 
output=arr.ravel('F')  

print("Input Array : ",arr)
print("Output Array : ",output)

Выход:

Input Array :  [[1 2 3]
 [4 5 6]]
Output Array :  [1 4 2 5 3 6]

Объяснение:

Здесь, во-первых, мы импортировали модуль Numpy с именем псевдонимов как NP. Во-вторых, мы создали 2- D массив используя функцию массива. В-третьих, мы создали переменную в качестве вывода и назначали ее функцию Ravel (). В-четвертых, мы использовали заказ «F», чтобы распечатать вывод как основной столбец. Наконец, мы напечатали значение вывода массива.

4. Используя в качестве параметра в функции Numpy Ravel ()

В этом примере мы импортируем модуль NUMPY как NP. Затем мы сделаем входной массив в качестве 2-D массива. Наконец, мы будем нанести функцию Numpy Ravel () с преобразованием 2-D массива в 1-D массив.

#Import numpy library
#using order = 'C' 

import numpy as np 
 
arr = np.array([[1,2,3], [4,5,6]]) 
 
output=arr.ravel('C')  

print("Input Array : ",arr)
print("Output Array : ",output)

Выход:

Input Array :  [[1 2 3]
 [4 5 6]]
Output Array :  [1 2 3 4 5 6]

Объяснение:

Здесь, во-первых, мы импортировали модуль Numpy с именем псевдонимов как NP. Во-вторых, мы создали 2-D массив, используя функцию массива. В-третьих, мы создали переменную в качестве вывода и назначали ее значение функции Ravel (). В-четвертых, мы использовали заказ «C», чтобы распечатать вывод как майор строки. Наконец, мы напечатали значение вывода массива.

5. Используя в качестве параметра в функции Numpy Ravel ()

В этом примере мы импортируем модуль NUMPY как NP. Затем мы сделаем входной массив в качестве 2-D массива. Наконец, мы будем нанести функцию Numpy Ravel () с преобразованием 2-D массива в 1-D массив.

#Import numpy library
#using order = 'A' 

import numpy as np 
 
arr = np.array([[1,2,3], [4,5,6]]) 
 
output=arr.ravel('A')  

print("Input Array : ",arr)
print("Output Array : ",output)

Выход:

Input Array :  [[1 2 3]
 [4 5 6]]
Output Array :  [1 2 3 4 5 6]

Объяснение:

Здесь, во-первых, мы импортировали модуль Numpy с именем псевдонимов как NP. Во-вторых, мы создали 2-D массив, используя функцию массива. В-третьих, мы создали переменную в качестве вывода и назначали ее функцию Ravel (). В-четвертых, мы использовали заказ «A», чтобы распечатать вывод как майор строки. Наконец, мы напечатали значение вывода массива.

6. Используя в качестве параметра в функции Numpy Ravel ()

В этом примере мы импортируем модуль NUMPY как NP. Затем мы сделаем входной массив в качестве 2-D массива. Наконец, мы будем нанести функцию Numpy Ravel () с преобразованием 2-D массива в 1-D массив.

#Import numpy library
#using order = 'K' 

import numpy as np 
 
arr = np.array([[1,2,3], [4,5,6]]) 
 
output=arr.ravel('K')  

print("Input Array : ",arr)
print("Output Array : ",output)

Выход:

Input Array :  [[1 2 3]
 [4 5 6]]
Output Array :  [1 2 3 4 5 6]

Объяснение:

Здесь, во-первых, мы импортировали модуль Numpy с именем псевдонимов как NP. Во-вторых, мы создали 2-D массив, используя функцию массива. В-третьих, мы создали переменную в качестве вывода и назначали ее функцию Ravel (). В-четвертых, мы использовали заказ «K», чтобы распечатать вывод как майор строки. Наконец, мы напечатали значение вывода массива.

7. Использование Reshigepe () с обмениванием оси

В этом примере мы импортируем модуль NUMPY как NP. Затем мы организуем массив с помощью функции Reshape и функции Swapaxes.

#import numpy library

import numpy as np
x = np.arange(18).reshape(3,3,2).swapaxes(1,2)   

y=np.ravel(x, order='C')  
z=np.ravel(x, order='K')  
m=np.ravel(x, order='A')  

print(x)
print(y)
print(z)
print(m)

Выход:

[[[ 0  2  4]
  [ 1  3  5]]

 [[ 6  8 10]
  [ 7  9 11]]

 [[12 14 16]
  [13 15 17]]]
[ 0  2  4  1  3  5  6  8 10  7  9 11 12 14 16 13 15 17]
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17]
[ 0  2  4  1  3  5  6  8 10  7  9 11 12 14 16 13 15 17]

Объяснение:

Здесь, во-первых, мы импортировали модуль Numpy с именем псевдонимов как NP. Во-вторых, мы организовали массив до 18, чтобы помочь функции Reshape () функции и Swapaxees (). В-третьих, мы применили функцию Ravel со всеми заказами и хранили их в новую переменную. Наконец, мы напечатали все переменные и видели разницу в выходе.

Разница между сглаженным () и Numpy Ravel ()

Эти обе функции используются для преобразования многомерного массива в одномерный массив. Но есть некоторые различия, через которые они отличаются самим собой.

Numpy Ravel ()

  • Функция Numpy Ravel всегда возвращает ссылку на исходный массив.
  • Это функция библиотеки.
  • Равель быстрее, чем сплит () Отказ
  • Если значение изменено, исходный массив также пострадал.

Numpy Flatten ()

  • Flatten Method () всегда возвращает копию исходного массива.
  • Это функция объекта NDARRAY.
  • Это медленнее, чем Ravel, так как требуется больше памяти, чем Ravel ().
  • Если значение изменяется, исходный массив не пострадал.
#flatten and ravel function in python example

import numpy as np

arr = np.array([[1,2,3], [4,5,6]])
print("Input Array : ",arr)
print("Dimension of array : ",(arr.ndim))
print("\n")

arr1 = arr.ravel()
print("Ravel output : ",arr1)
arr1[0] = 50
print("updated ravel array : ",arr1)
print("Input array : ",arr)
print("\n")

arr2 = arr.flatten()
print("Flatten output : ",arr2)
arr2[0] = 100
print("Updated flatten array : ",arr2)
print("Input array : ",arr)

Выход:

Input Array :  [[1 2 3]
 [4 5 6]]
Dimension of array :  2


Ravel output :  [1 2 3 4 5 6]
updated ravel array :  [50  2  3  4  5  6]
Input array :  [[50  2  3]
 [ 4  5  6]]


Flatten output :  [50  2  3  4  5  6]
Updated flatten array :  [100   2   3   4   5   6]
Input array :  [[50  2  3]
 [ 4  5  6]]

Объяснение:

Во-первых, мы импортировали модуль NUMPY как NP. Во-вторых, мы предприняли входной массив и напечатали входную массив и измерение массива. В-третьих, мы применили функцию Ravel () и напечатали вывод функции Ravel (). Затем мы обновили значение и снова напечатали вывод Ravel и напечатал входной массив. Таким образом, мы можем легко увидеть изменения. То же самое сделано с функцией Flatten (), также обновила значение, но входной массив не меняется.

Заключение

В этом руководстве мы обсудили функцию The Ravel () The Numpy Module. Все параметры и их значения объясняются с помощью примеров подробно. Примеры помогут вам понять концепцию более точно. Вы можете использовать заказ согласно вашему требованию вывода одномерного массива.