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。

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。

也可以看看

gradient, ediff1d,cumsum

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]')