【NumPy】flatten()とravel()の違いを徹底解説！ビューとコピーの挙動・速度の違いを比較

NumPyでは、リストやタプルなどさまざまなデータから配列を作成できます。そして、多次元のndarrayを1次元配列へ変換する方法として、flatten()メソッドとravel()メソッドの2種類が用意されています。

一見すると両者はまったく同じ働きをするように見えますが、内部の動作には重要な違いがあります。この記事では、その違いをサンプルコードとともにわかりやすく解説します。

基本的な使い方

まずは、それぞれのメソッドを実際に使ってみましょう。

import numpy as np

# リストから配列を作成
arr = np.array([(2, 7, 3, 4), (5, 6, 9, 1)])

# flatten() の出力
print(arr.flatten())

# ravel() の出力
print(arr.ravel())

実行結果

[2 7 3 4 5 6 9 1]
[2 7 3 4 5 6 9 1]

ご覧のとおり、どちらのメソッドも同じ結果を返します。では、なぜ同じ目的のために2つのメソッドが存在するのでしょうか。その鍵となるのが、元の配列のコピーを返すか、ビュー（参照）を返すかという点です。

ravel() の特徴

• 元の配列のビュー（参照）を返します。
• 返された配列を変更すると、元の配列（arr）の値も連動して変わります。
• 新しいメモリをほとんど確保しないため、flatten()よりも高速に動作します。
• ndarrayのメソッドとしてだけでなく、np.ravel()というライブラリレベルの関数としても利用できます。

※ただし、元の配列がメモリ上で連続していない場合など、ビューを作成できないケースではコピーが返されることもあります。

flatten() の特徴

• 元の配列のコピーを返します。
• 返された配列を変更しても、元の配列（arr）の値は変わりません。
• コピーのために新たなメモリを確保するため、ravel()よりわずかに遅くなります。
• ndarrayオブジェクト専用のメソッドとして提供されています。

挙動の違いを確認するサンプルコード

次のコードで、ravel()とflatten()の違いを実際に確認してみます。

import numpy as np

# NumPy配列 arr を作成
arr = np.array([(1, 2, 3, 4), (3, 1, 4, 2)])

# 元の配列を表示
print('元の配列:')
print(arr)

# 次元数と型を確認（次元数=2、型はnumpy.ndarray）
print('次元数:', arr.ndim)
print('型:', type(arr))

print('--- ravel() の場合 ---')

# ndarray を 1 次元配列へ変換
b_arr = arr.ravel()
print(b_arr)

# ravel() は元の配列のビューを渡すだけなので…
b_arr[0] = 1000
print(b_arr)
# 元の配列 arr の arr[0][0] も 1000 に変わる
print(arr)

print('--- flatten() の場合 ---')

# ndarray を 1 次元配列へ変換
c_arr = arr.flatten()
print(c_arr)

# flatten() は元の配列のコピーを渡すので…
c_arr[0] = 0
print(c_arr)
# c_arr を変更しても元の配列 arr には影響しない
print(arr)

実行結果

元の配列:
[[1 2 3 4]
 [3 1 4 2]]
次元数: 2
型: <class 'numpy.ndarray'>
--- ravel() の場合 ---
[1 2 3 4 3 1 4 2]
[1000 2 3 4 3 1 4 2]
[[1000 2 3 4]
 [3 1 4 2]]
--- flatten() の場合 ---
[1000 2 3 4 3 1 4 2]
[0 2 3 4 3 1 4 2]
[[1000 2 3 4]
 [3 1 4 2]]

まとめ：使い分けのポイント

元の配列と値を共有してよい場合や、パフォーマンスを重視する場合はravel()を、元の配列に一切影響を与えたくない場合はflatten()を選ぶとよいでしょう。用途に応じて適切に使い分けることで、安全かつ効率的に配列操作を行えます。