Le module numpy de Python fournit une fonction appelée numpy.ravel, qui est utilisée pour transformer un tableau à 2 dimensions ou un tableau multidimensionnel en un tableau aplati contigu. Le tableau renvoyé a le même type de données que le tableau source ou le tableau d'entrée. Si le tableau d'entrée est un tableau masqué, le tableau renvoyé sera également un tableau masqué.

Syntaxe:

 numpy.ravel(x, order='C') 

Paramètres:

x : tableau_like

base de données java jdbc

Ce paramètre définit le tableau d'entrée que nous souhaitons modifier en un tableau aplati contigu. Les éléments du tableau sont lus dans l'ordre spécifié par le paramètre order et regroupés sous forme de tableau 1D.

ordre : {'C', 'F', 'A', 'K'} (facultatif)

Si nous définissons le paramètre d'ordre sur « C », cela signifie que le tableau est aplati dans l'ordre des lignes principales. Si « F » est défini, le tableau est aplati dans l'ordre des colonnes principales. Le tableau est aplati dans l'ordre des colonnes principales uniquement lorsque « A » est contigu en Fortran en mémoire et lorsque nous définissons le paramètre d'ordre sur « A ». Le dernier ordre est « K », qui aplatit le tableau dans le même ordre que celui dans lequel les éléments sont apparus dans la mémoire. Par défaut, ce paramètre est défini sur « C ».

Retour:

Cette fonction renvoie un tableau aplati contigu avec le même type de données qu'un tableau d'entrée et a une forme égale à ( x.taille ).

Exemple 1:

 import numpy as np x = np.array([[1, 3, 5], [11, 35, 56]]) y=np.ravel(x) y 

Sortir:

chaîne comparable en Java

 array([ 1, 3, 5, 11, 35, 56]) 

Dans le code ci-dessus

• Nous avons importé numpy avec le nom d'alias np.
• Nous avons créé un tableau 'X' en utilisant la fonction np.array().
• Nous avons déclaré la variable y et attribué la valeur renvoyée par la fonction np.ravel().
• Nous avons dépassé le tableau 'X' dans la fonction.
• Enfin, nous avons essayé d'imprimer la valeur de et .

Dans la sortie, les valeurs du tableau sont affichées dans un tableau aplati contigu.

Exemple 2 :

 import numpy as np x = np.array([[1, 3, 5], [11, 35, 56]]) y = np.ravel(x, order='F') z = np.ravel(x, order='C') p = np.ravel(x, order='A') q = np.ravel(x, order='K') y z p q 

Sortir:

 array([ 1, 11, 3, 35, 5, 56]) array([ 1, 3, 5, 11, 35, 56]) array([ 1, 3, 5, 11, 35, 56]) array([ 1, 3, 5, 11, 35, 56]) 

Exemple 3 :

 import numpy as np x = np.arange(12).reshape(3,2,2).swapaxes(1,2) x y=np.ravel(a, order='C') y z=np.ravel(a, order='K') z q=np.ravel(a, order='A') q 

Sortir:

 array([[[ 0, 2], [ 1, 3]], [[ 4, 6], [ 5, 7]], [[ 8, 10], [ 9, 11]]]) array([ 0, 2, 1, 3, 4, 6, 5, 7, 8, 10, 9, 11]) array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]) array([ 0, 2, 1, 3, 4, 6, 5, 7, 8, 10, 9, 11]) 

Dans le code ci-dessus

• Nous avons importé numpy avec le nom d'alias np.
• Nous avons créé un tableau 'X' en utilisant la fonction np.arange().
• Nous avons changé sa forme et permuté l'axe en utilisant le remodeler() et np.swapaxes() fonction.
• Nous avons déclaré les variables y, z et q et attribué la valeur renvoyée par la fonction np.ravel().
• Nous avons dépassé le tableau 'X' et commande C , K , et UN dans la fonction.
• Enfin, nous avons essayé d'imprimer la valeur de et .

Dans la sortie, les valeurs du tableau sont affichées dans un tableau aplati contigu.