Proponuję metodę ndarray
ravel
lub flatten
.
>>> a = numpy.arange(9).reshape(3, 3)
>>> a.ravel()
array([0, 1, 2, 3, 4, 5, 6, 7, 8])
ravel
jest szybszy niż concatenate
i flatten
ponieważ nie zwraca kopię, chyba że ma się do:
>>> a.ravel()[5] = 99
>>> a
array([[ 0, 1, 2],
[ 3, 4, 99],
[ 6, 7, 8]])
>>> a.flatten()[5] = 77
>>> a
array([[ 0, 1, 2],
[ 3, 4, 99],
[ 6, 7, 8]])
Ale jeśli potrzebujesz kopię uniknąć pamięć dzielenia pokazano powyżej,” re lepiej wyłączyć za pomocą flatten
niż concatenate
, jak widać z tych taktowania:
>>> %timeit a.ravel()
1000000 loops, best of 3: 468 ns per loop
>>> %timeit a.flatten()
1000000 loops, best of 3: 1.42 us per loop
>>> %timeit numpy.concatenate(a)
100000 loops, best of 3: 2.26 us per loop
N Uwaga również, że można osiągnąć dokładny wynik że wyjście ilustruje (jednowierszowego 2-d tablicy) z reshape
:
>>> a = numpy.arange(9).reshape(3, 3)
>>> a.reshape(1, -1)
array([[0, 1, 2, 3, 4, 5, 6, 7, 8]])
>>> %timeit a.reshape(1, -1)
1000000 loops, best of 3: 736 ns per loop
@senderle - Ravel był moim pierwszym odruchem też (dzięki Pierre GM!) . Napisz jako odpowiedź, a ja z radością przegłosuję. – mgilson