numpy.
diff
计算沿给定轴的第n个离散差。
第一个区别是 out[i] = a[i+1] - a[i] 在给定的轴上,使用 diff 递归地。
out[i] = a[i+1] - a[i]
输入数组
值不同的次数。如果为零,则按原样返回输入。
采用差异的轴,默认为最后一个轴。
要前置或附加到的值 a 在执行差分之前沿轴。标量值沿轴方向扩展为长度为1的数组,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匹配 a 除了沿轴线。
1.16.0 新版功能.
第n个差异。输出的形状与 a 除了沿着 axis 如果尺寸小于 n . 输出的类型与 a . 这和 a 在大多数情况下。一个显著的例外是 datetime64 从而导致 timedelta64 输出数组。
datetime64
timedelta64
参见
gradient
ediff1d
cumsum
笔记
类型是为布尔数组保留的,因此结果将包含 False 当连续元素相同且 True 当它们不同时。
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
如果不需要这样做,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)
实例
>>> 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]')