两者的功能是一致的，将多维数组降为一维，但是两者的区别是返回拷贝还是返回视图。
np.flatten()返回一份拷贝，对拷贝所做修改不会影响原始矩阵，而np.ravel()返回的是视图，修改时会影响原始矩阵
使用时推荐np.flatten()
输入：import numpy as npa = np.array([[1 , 2] , [3 , 4]])b = a.flatten()print('b:' , b)c = a.ravel()print('c:' , c)d = a.ravel('F')print('d:' , d)# 二者的区别b[0] = 10print('a:' , a)c[0] = 10print('a:' , a)输出：b: [1 2 3 4]c: [1 2 3 4]d: [1 3 2 4]a: [[1 2][3 4]]a: [[10 2][ 3 4]]2.np.array()与np.asarray的区别
其在于输入为数组时，np.array是将重新创建一个数组空间并将数据复制进去，它有自己的一块内存区域，所以随着输入的改变np.array的输出不变（即返回拷贝）；而np.asarray功能是将指向数组a的计数器加1，并指向该数组，这样当原始数组改变的时候，np.asarray的输出也会改变（相当于返回视图）。
推荐使用np.array()
输入：import numpy as npa=np.ones((3,3))b=np.array(a)c=np.asarray(a)a[1]=2print('a:\n',a)print('b:\n',b)print('c:\n',c)print(b is a) # Falseprint(c is a) # True输出：a:[[1. 1. 1.][2. 2. 2.][1. 1. 1.]]b:[[1. 1. 1.][1. 1. 1.][1. 1. 1.]]c:[[1. 1. 1.][2. 2. 2.][1. 1. 1.]]FalseTrue但是其实如果是这么写的话，两者又是等价的：（因为改变了类型，所以都只能返回一个拷贝）
输入：a=np.ones((3,3))b=np.array(a,dtype = 'float32')c=np.asarray(a,dtype = 'float32')a[1]=2print('a:\n',a)print('b:\n',b)print('c:\n',c)print(b is a) # Falseprint(c is a) # True输出：a:[[1. 1. 1.][2. 2. 2.][1. 1. 1.]]b:[[1. 1. 1.][1. 1. 1.][1. 1. 1.]]c:[[1. 1. 1.][1. 1. 1.][1. 1. 1.]]FalseFalse
