Python数组重塑：为何flatten()比ravel()函数速度慢？

先看测试代码：

import numpy as np
x = np.arange(1000000)
x.shape = 100, 100, 100
%timeit x.flatten() 
%timeit x.ravel()

二者的速度差异核心在于是否创建数据副本：

• ravel()返回的是原数组的视图（View）：它只是重新定义了数组的维度描述信息，并没有复制原数组的任何数据，相当于给原数组的数据套了个新的「维度外壳」，所以操作几乎不消耗额外时间和内存。
• flatten()返回的是原数组的副本（Copy）：它会把原数组的所有数据完整复制到一块新的内存空间中，生成一个完全独立的新数组。当数组规模很大时（比如测试里的百万级元素），数据复制的开销会非常显著，这就是它速度远慢于ravel()的根本原因。

可以用简单代码验证这个差异：

import numpy as np
x = np.arange(6).reshape(2,3)
x_ravel = x.ravel()
x_flatten = x.flatten()

# 修改原数组的元素
x[0,0] = 99

print(x_ravel[0])  # 输出99，说明ravel的结果和原数组共享数据
print(x_flatten[0]) # 输出0，说明flatten的结果是独立的副本

适用场景总结 #

• 若只是临时调整数组形状，且不需要修改返回的数组（或希望修改同步到原数组），优先用ravel()，既快又省内存。
• 若需要对返回的数组做独立修改，不想影响原数组，就用flatten()，虽然慢但能保证数据独立性。

内容的提问来源于stack exchange，提问作者Matin Rasooli