numpy.diff #
- 麻木的。diff ( a , n=1 , axis=-1 , prepend=<无 值> , append=<无 值> ) [来源] #
计算沿给定轴的第 n 个离散差值。
第一个差异是沿给定轴给出的,更高的差异是通过 递归计算的。
out[i] = a[i+1] - a[i]
diff
- 参数:
- 类似数组
输入数组
- n整数,可选
值发生差异的次数。如果为零,则按原样返回输入。
- 轴int,可选
取差值所沿的轴,默认为最后一个轴。
- 前置、追加array_like、可选
在执行差异之前预先或附加到沿轴的值。标量值在轴方向上扩展为长度为 1 的数组,并且沿所有其他轴扩展为输入数组的形状。否则,尺寸和形状必须与除沿轴以外的方向匹配。
1.16.0 版本中的新增功能。
- 返回:
- 差异数组
第 n 个差异。输出的形状与a相同 ,但沿轴的尺寸小n。输出的类型与a的任意两个元素之间的差异的类型相同。在大多数情况下,这与a的类型相同 。一个值得注意的例外是
datetime64
,它会产生一个timedelta64
输出数组。
笔记
布尔数组保留类型,因此 当连续元素相同时结果将包含False,而当连续元素不同时结果将包含True。
对于无符号整数数组,结果也将是无符号的。这应该不足为奇,因为结果与直接计算差异一致:
>>> u8_arr = np.array([1, 0], dtype=np.uint8) >>> np.diff(u8_arr) array([255], dtype=uint8) >>> u8_arr[1,...] - u8_arr[0,...] 255
如果这是不可取的,那么应该首先将数组转换为更大的整数类型:
>>> i16_arr = u8_arr.astype(np.int16) >>> np.diff(i16_arr) array([-1], dtype=int16)
例子
>>> x = np.array([1, 2, 4, 7, 0]) >>> np.diff(x) array([ 1, 2, 3, -7]) >>> np.diff(x, n=2) array([ 1, 1, -10])
>>> x = np.array([[1, 3, 6, 10], [0, 5, 6, 8]]) >>> np.diff(x) array([[2, 3, 4], [5, 1, 2]]) >>> np.diff(x, axis=0) array([[-1, 2, 0, -2]])
>>> x = np.arange('1066-10-13', '1066-10-16', dtype=np.datetime64) >>> np.diff(x) array([1, 1], dtype='timedelta64[D]')