4. 数组形状变换

任务说明

本案例将使用NumPy的reshape、ravel、flatten方法对数组进行形状变换，并通过内存共享检测来区分视图（view）与副本（copy）的本质差异。完成本案例后，你将能够根据实际需求选择正确的形状变换方法，避免因视图共享导致的意外数据修改。

核心实现

import numpy as np

# 1. 创建原始数组（3行4列）
arr = np.arange(12).reshape(3, 4)
print("原始数组 arr (3x4):")
print(arr)
print("arr 的 shape:", arr.shape, "| 内存地址:", arr.__array_interface__['data'][0])
print()

# 2. reshape —— 返回新形状的数组（可能是视图，也可能是副本）
reshaped = arr.reshape(4, 3)
print("reshape(4,3) 结果:")
print(reshaped)
print("reshaped 的 shape:", reshaped.shape, "| 内存地址:", reshaped.__array_interface__['data'][0])
print("reshaped 与 arr 共享内存?", np.shares_memory(arr, reshaped))
print()

# 3. ravel —— 展平为一维，优先返回视图
raveled = arr.ravel()
print("ravel() 结果:")
print(raveled)
print("raveled 的 shape:", raveled.shape, "| 内存地址:", raveled.__array_interface__['data'][0])
print("raveled 与 arr 共享内存?", np.shares_memory(arr, raveled))
print()

# 4. flatten —— 展平为一维，总是返回副本
flattened = arr.flatten()
print("flatten() 结果:")
print(flattened)
print("flattened 的 shape:", flattened.shape, "| 内存地址:", flattened.__array_interface__['data'][0])
print("flattened 与 arr 共享内存?", np.shares_memory(arr, flattened))
print()

# 5. 验证视图与副本的行为差异
print("=== 修改 raveled[0] = 99（视图会改变原数组）===")
raveled[0] = 99
print("修改后 arr[0][0] =", arr[0][0], "（原数组被改变）")
print()

print("=== 修改 flattened[1] = 88（副本不会改变原数组）===")
flattened[1] = 88
print("修改后 arr[0][1] =", arr[0][1], "（原数组未被改变）")
print()

# 6. 非连续数组的 ravel 会强制返回副本
arr_slice = arr[:, ::2]  # 列步长为2，产生非连续视图
print("非连续切片 arr[:, ::2]:")
print(arr_slice)
print("arr_slice 的 flags:", arr_slice.flags['C_CONTIGUOUS'])
raveled_slice = arr_slice.ravel()
print("对非连续切片调用 ravel() 后，与原切片共享内存?", np.shares_memory(arr_slice, raveled_slice))

运行方式与依赖

本案例仅依赖NumPy库。运行前请确保已安装：

pip install numpy

将上述代码保存为shape_transform.py，在终端执行：

python shape_transform.py

验证方法与判定标准

运行程序后，按以下标准逐项核对输出：

1. 内存地址对比：观察reshape、ravel、flatten输出的内存地址与原始数组的异同。若地址相同，说明共享内存（视图）；若不同，则为副本。
2. 共享内存标志：np.shares_memory返回True表示视图，False表示副本。预期结果：reshape(4,3)和ravel()对连续数组返回True，flatten()返回False。
3. 修改传播验证：修改raveled[0]后，原数组arr[0][0]应变为99；修改flattened[1]后，原数组arr[0][1]应保持原值不变。
4. 非连续数组行为：对列步长为2的切片调用ravel()时，由于切片在内存中不连续，NumPy会强制返回副本，np.shares_memory应返回False。

若以上4项输出与预期一致，则案例验证通过。

关键结论

通过上述代码与图示可以明确：reshape在形状兼容且内存连续时返回视图，ravel优先返回视图但遇到非连续数组时自动转为副本，而flatten始终返回独立副本。判断视图与副本最可靠的方式是使用np.shares_memory()检查内存共享状态，而非仅凭方法名称猜测。当需要安全地修改展平结果而不影响原数组时，应使用flatten()；当需要节省内存且明确不会意外修改原数据时，可使用ravel()或reshape()。