相同點：

 兩者所要實現的功能是一致的（將多維陣列降位一維）。這點從兩個單詞的意也可以看出來，ravel(散開，解開)，flatten（變平）。

In [14]: x=np.array([[1,2],[3,4]])

# flattenh函式和ravel函式在降維時預設是行序優先
In [15]: x.flatten()
Out[15]: array([1, 2, 3, 4])

In [17]: x.ravel()
Out[17]: array([1, 2, 3, 4])

# 傳入'F'引數表示列序優先
In [18]: x.flatten('F')
Out[18]: array([1, 3, 2, 4])

In [19]: x.ravel('F')
Out[19]: array([1, 3, 2, 4])

#reshape函式當引數只有一個-1時表示將陣列降為一維
In [21]: x.reshape(-1)
Out[21]: array([1, 2, 3, 4])

#x.T表示x的轉置
In [22]: x.T.reshape(-1)
Out[22]:array([1, 3, 2, 4])
 

不同點：

兩者的區別在於返回拷貝（copy）還是返回檢視（view）
numpy.flatten()返回一份拷貝，對拷貝所做的修改不會影響（reflects）原始矩陣，
而numpy.ravel()返回的是檢視（view，也頗有幾分C/C++引用reference的意味），會影響（reflects）原始矩陣。

x = np.array([[1, 2], [3, 4]])
x.flatten()[1] = 100
x

array([[1, 2],
       [3, 4]])    
        
x.ravel()[1] = 100
x

array([[  1, 100],
       [  3,   4]])