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。

也可以看看

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]')