Numpy的flatten实现原理：转置后跨步数组的扁平化机制

要搞懂这个问题，核心在于明确两点：flatten(order="C")是按数组的逻辑结构（而非物理内存顺序）来遍历元素，而strides就是NumPy用来在内存中定位逻辑元素的导航工具。

先理清转置后的strides变化 #

你的示例中，原数组array = np.arange(24).reshape(2,3,4)的shape是(2,3,4)，C风格（行优先）的strides为(3*4*itemsize, 4*itemsize, itemsize)（itemsize是单个元素的字节数，比如int32就是4）。

当执行transpose(1,0,2)后，数组的shape变为(3,2,4)，strides也会同步交换轴对应的跨步值，变成(4*itemsize, 2*4*itemsize, itemsize)——简单说，转置只是重新定义了轴的顺序，并没有改动内存里的数据排列，只是用strides记录了每个逻辑轴对应的内存跨步长度。

flatten(order="C")的遍历算法 #

不管数组在内存中是否连续，flatten(order="C")都会严格按照C风格行优先顺序遍历数组的逻辑结构，步骤如下：

• 从最内层的轴（最后一个轴）开始，逐层向外遍历所有索引组合。比如转置后的shape是(3,2,4)，遍历顺序是：
  • 轴0（第一个维度）的每个索引i（0→1→2）
    • 轴1（第二个维度）的每个索引j（0→1）
      • 轴2（第三个维度）的每个索引k（0→1→2→3）
• 对每个索引组合(i,j,k)，用strides计算该元素在内存中的偏移量：偏移量 = i*strides[0] + j*strides[1] + k*strides[2]
• 从数组的起始内存地址出发，加上偏移量取出对应元素，按遍历顺序将所有元素复制到新的连续内存块中，最终得到一维数组。

对应你的示例验证 #

转置后的数组strides假设为(16,48,4)（以int32为例）：

• 当i=0,j=0,k=0~3：偏移量是0*16 +0*48 +k*4，对应元素0、1、2、3
• 当i=0,j=1,k=0~3：偏移量是0*16 +1*48 +k*4，对应元素12、13、14、15
• 当i=1,j=0,k=0~3：偏移量是1*16 +0*48 +k*4，对应元素4、5、6、7
• 以此类推，最终得到的结果和你示例中的输出完全一致。

本质上，strides让NumPy不需要物理移动数据，就能通过计算偏移量“虚拟”遍历转置后的逻辑结构，而flatten只是把这种虚拟遍历的结果实实在在地复制成了连续的一维数组。

内容的提问来源于stack exchange，提问作者Maxime Debarbat