numpy.ma.diff

嘛。diff ( a , / , n=1 , axis=-1 , prepend=<无 值> , append=<无 值> )

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。保留输入掩码。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。

返回：

diff掩码数组

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

numpy.diff

顶级 NumPy 模块中的等效函数。

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.ma.diff(u8_arr)
masked_array(data=[255],
             mask=False,
       fill_value=999999,
            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.ma.diff(i16_arr)
masked_array(data=[-1],
             mask=False,
       fill_value=999999,
            dtype=int16)

例子

>>> a = np.array([1, 2, 3, 4, 7, 0, 2, 3])
>>> x = np.ma.masked_where(a < 2, a)
>>> np.ma.diff(x)
masked_array(data=[--, 1, 1, 3, --, --, 1],
        mask=[ True, False, False, False,  True,  True, False],
    fill_value=999999)

>>> np.ma.diff(x, n=2)
masked_array(data=[--, 0, 2, --, --, --],
            mask=[ True, False, False,  True,  True,  True],
    fill_value=999999)

>>> a = np.array([[1, 3, 1, 5, 10], [0, 1, 5, 6, 8]])
>>> x = np.ma.masked_equal(a, value=1)
>>> np.ma.diff(x)
masked_array(
    data=[[--, --, --, 5],
            [--, --, 1, 2]],
    mask=[[ True,  True,  True, False],
            [ True,  True, False, False]],
    fill_value=1)

>>> np.ma.diff(x, axis=0)
masked_array(data=[[--, --, --, 1, -2]],
        mask=[[ True,  True,  True, False, False]],
    fill_value=1)