NumPy参考 >例行程序 >Mathematical functions > numpy.diff
numpy.diff（a，n = 1，axis = -1，prepend = <无值>，append = <无值> ）[源代码] ¶计算沿给定轴的第n个离散差。
第一个差异是通过沿给定的轴给出的，更高的差异是通过
递归使用计算的。out[i] = a[i+1] - a[i]diff
输入数组
值的次数不同。如果为零，则按原样返回输入。
沿其求差的轴，默认为最后一个轴。
值，以前置或后置到一个沿轴线之前执行的差异。标量值将扩展为在轴方向上长度为1的数组，并在所有其他轴上扩展为输入数组的形状。否则，尺寸和形状必须与沿轴的除外匹配。
1.16.0版中的新功能。
第n个差异。输出的形状是相同的一个
除了沿轴线，其中所述尺寸是由较小Ñ。类型的输出的相同的任意两个元素之间的差值的类型一个。在大多数情况下，这与a的类型相同
。一个明显的例外是datetime64，它导致timedelta64输出数组。
笔记
类型是为布尔数组保留的，因此当连续元素相同时，结果将包含False，而在连续元素不同时将包含 True。
对于无符号整数数组，结果也将是无符号的。这并不奇怪，因为结果与直接计算差是一致的：
>>> u8_arr = np.array([1, 0], dtype=np.uint8)
>>> np.diff(u8_arr)
array([255], dtype=uint8)
>>> u8_arr[1,...] - u8_arr[0,...]
255
如果不希望这样做，则应首先将数组强制转换为较大的整数类型：
>>> 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]')