Главная » Языки программирования

Flatten python что делает

Содержание
  1. NumPy flatten()
  2. Introduction to the NumPy flatten() method
  3. NumPy flatten() method examples
  4. 1) Using flatten() method example with a multidimensional array
  5. 2) Using numpy flatten() method to flatten an array using column-major order
  6. Summary
  7. 6 способов использования Numpy Flatten () метода в Python
  8. Вступление
  9. Что такое Numpy Flatten () метод?
  10. Синтаксис
  11. Параметр
  12. Возвращаемое значение
  13. Примеры
  14. 1. Использование 2-D массива
  15. 2. Использование многомерного массива
  16. 3. Использование в качестве параметра
  17. 4. Использование в качестве параметра
  18. 5. Использование в качестве параметра
  19. 6. Используя в качестве параметра
  20. Разница между сглаженным () и Ravel ()
  21. Сплит ()
  22. Ravel ()
  23. Заключение
  24. Читайте ещё по теме:

NumPy flatten()

Summary: in this tutorial, you’ll learn how to use the numpy flatten() method to return a copy of an array collapsed into one dimension.

Introduction to the NumPy flatten() method

The flatten() is a method of the ndarray class. The flatten() method returns a copy of an array collapsed into one dimension.

The following shows the syntax of the flatten() method:

ndarray.flatten(order='C')Code language: Python (python)

The order parameter specifies the order of elements of an array in the returned array. It accepts one of the following values:

  • ‘C’ means to flatten array elements into row-major order (C-style).
  • ‘F’ means to flatten array elements into column-major order (Fortran-style).
  • ‘A’ – means to flatten array elements in column-major order if a is Fortran contiguous in memory or row-major otherwise.
  • ‘K’ means to flatten array elements in order of the elements laid out in memory.

By default, the order is ‘C’ which flattens the array elements into row-major.

Читайте также:  What is integration testing in java

NumPy flatten() method examples

Let’s take some examples of using the NumPy flatten() method.

1) Using flatten() method example with a multidimensional array

The following example uses the flatten() method to return a 1-D array from a 2-D array:

import numpy as np a = np.array([[1, 2], [3, 4]]) b = a.flatten() print(b)Code language: Python (python)
[1 2 3 4]Code language: Python (python)

First, create a 2-D array that has two rows and two columns:

a = np.array([[1, 2], [3, 4]])Code language: Python (python)

Second, return a copy of the array with dimensions collapsed into one using the flatten() method:

b = a.flatten()Code language: Python (python)

Third, display the result array:

print(b)Code language: Python (python)

Note that b is a copy, not a view of the array a. If you change elements in array b, the elements in array a are not changed. For example:

import numpy as np a = np.array([[1, 2], [3, 4]]) b = a.flatten() # change element at index 0 b[0] = 0 print(b) # display the array a print(a)Code language: Python (python)
[0 2 3 4] [[1 2] [3 4]]Code language: Python (python)

First, flatten the array a and assign the result array to b variable:

b = a.flatten()Code language: Python (python)

Second, change the element at index 0 of b to zero and print out b:

b[0] = 0 print(b)Code language: Python (python)

Third, display the array a:

print(a)Code language: Python (python)

The output shows that the element at index 0 of b changes but the element at index 0 of a doesn’t change.

2) Using numpy flatten() method to flatten an array using column-major order

The following example uses the numpy flatten() method to flatten an array using column-major order:

import numpy as np a = np.array([[1, 2], [3, 4]]) b = a.flatten(order='F') print(b)Code language: Python (python)
[1 3 2 4]Code language: Python (python)

Summary

Источник

6 способов использования Numpy Flatten () метода в Python

Numpy.ndarray.flatten () используется, когда нам нужно вернуть копию массива в 1-D массивом, а не 2-D или многомерное массив.

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.flatten () Отказ

сглаживать Numpy Array

Что такое Numpy Flatten () метод?

Numpy.ndarray.flatten () используется, когда нам нужно вернуть копию массива в 1-D массивом, а не 2-D или многомерное массив.

Синтаксис

Параметр

Заказ: «F», ‘a,’ k ‘> – это необязательный ввод в функции. Во-первых, в этом параметре, если массив будет сплющен в строке – основной заказ. Во-вторых, если – это означает, что массив будет сплющен в столбце-основном порядке.

В-третьих, если – это означает, что это значит сглаживать в Column-основном порядке, если Fortran непрерывно в памяти. В противном случае это будет являться главным порядком. Наконец, если – это означает, что массив будет сплющен таким же, как и в памяти. По умолчанию всегда параметр установлен на ‘C.’

Возвращаемое значение

Y: NDARRAY – Эта функция возвращает копию входного массива, который получает сплющенный в одномерную.

Примеры

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

1. Использование 2-D массива

В этом примере мы импортируем модуль NUMPY как NP. Затем мы сделаем входной массив в качестве 2-D массива. Наконец, мы применим функцию Numpy Flatten () 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.flatten() print("Input Array : ",arr) print("Output Array : ",output)
Input Array : [[1 4 7] [2 5 8]] Output Array : [1 4 7 2 5 8]

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

2. Использование многомерного массива

В этом примере мы импортируем модуль NUMPY как NP. Затем мы возьмем вклад в качестве многомерного массива. Наконец, мы будем применить функцию Numpy Flatten () для преобразования многомерного массива в 1-D массив.

#python program using a multi-dimensional array #Import numpy library import numpy as np arr = np.array([[1,4,7], [2,5,8], [12, 58, 36]]) output=arr.flatten() print("Input Array : ",arr) print("Output Array : ",output)
Input Array : [[ 1 4 7] [ 2 5 8] [12 58 36]] Output Array : [ 1 4 7 2 5 8 12 58 36]

Во-первых, мы импортировали модуль Numpy с именем псевдонима как NP. Во-вторых, мы создали многомерный массив с помощью функции массива. В-третьих, мы создали переменную в качестве вывода и назначили его функцию Numpy Flatten (). Наконец, мы напечатали значение вывода массива.

3. Использование в качестве параметра

В этом примере мы импортируем модуль NUMPY как NP. Затем мы сделаем входной массив в качестве 2-D массива. Наконец, мы будем применить функцию Numpy Flatten () 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([[1,4,7], [2,5,8]]) output=arr.flatten('F') print("Input Array : ",arr) print("Output Array : ",output)
Input Array : [[1 4 7] [2 5 8]] Output Array : [1 2 4 5 7 8]

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

4. Использование в качестве параметра

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

#python program using a 2-d array #Import numpy library #using order ='C' import numpy as np arr = np.array([[1,4,7], [2,5,8]]) output=arr.flatten('C') print("Input Array : ",arr) print("Output Array : ",output)
Input Array : [[1 4 7] [2 5 8]] Output Array : [1 4 7 2 5 8]

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

5. Использование в качестве параметра

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

#python program using a 2-d array #Import numpy library #using order ='A' import numpy as np arr = np.array([[1,4,7], [2,5,8]]) output=arr.flatten('A') print("Input Array : ",arr) print("Output Array : ",output)
Input Array : [[1 4 7] [2 5 8]] Output Array : [1 4 7 2 5 8]

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

6. Используя в качестве параметра

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

#python program using a 2-d array #Import numpy library #using order ='K' import numpy as np arr = np.array([[21,43,57], [12,85,78]]) output=arr.flatten('K') print("Input Array : ",arr) print("Output Array : ",output)
Input Array : [[21 43 57] [12 85 78]] Output Array : [21 43 57 12 85 78]

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

Разница между сглаженным () и Ravel ()

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

Сплит ()

  • Это всегда возвращает копию исходного массива.
  • Это функция объекта NDARRAY.
  • Медленнее, чем Ravel () Как требуется больше памяти, чем Ravel ().
  • Если значение изменяется, исходный массив не пострадал.

Ravel ()

  • Это всегда возвращает ссылку на исходный массив.
  • Это функция библиотеки.
  • Это быстрее, чем сглаживаться ().
  • Если значение изменено, исходный массив также 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)
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]]

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 () там также обновила значение, но входной массив не меняется.

Заключение

В этом руководстве мы обсудили функцию Flatten () 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.

Читайте ещё по теме:

Источник

Оцените статью
© 2024 Программирование