numpy中ravel()和flatten()

共同点：都是将多维数组降为一维，这点从两个单词的意也可以看出来，ravel(散开，解开)，flatten（变平）。

In [14]: x=np.array([[1,2],[3,4]])

# flattenh函数和ravel函数在降维时默认是行序优先
In [15]: x.flatten()
Out[15]: array([1, 2, 3, 4])

In [17]: x.ravel()
Out[17]: array([1, 2, 3, 4])

# 传入'F'参数表示列序优先
In [18]: x.flatten('F')
Out[18]: array([1, 3, 2, 4])

In [19]: x.ravel('F')
Out[19]: array([1, 3, 2, 4])

#reshape函数当参数只有一个-1时表示将数组降为一维
In [21]: x.reshape(-1)
Out[21]: array([1, 2, 3, 4])
#x.T表示x的转置
In [22]: x.T.reshape(-1)
Out[22]: array([1, 3, 2, 4])

不同点：ravel()返回的是视图（效果相当于c/c++中的引用），对原来的矩阵会产生影响；

　　　　flatten()返回的是原来矩阵的一个copy，不会对原来的矩阵产生影响；

>>> x = np.array([[1, 2], [3, 4]])
>>> x.flatten()[1] = 666   #不会影响原来矩阵
>>> x
array([[1, 2],
       [3, 4]])            
>>> x.ravel()[1] = 666
>>> x　　　　　　　　　　　　  #会影响原来矩阵
array([[  1, 666],
       [  3,   4]])