numpy.diff¶

numpy.diff(a, n=1, axis=-1, prepend=<no value>, append=<no value>)[源代码]¶

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。

参数

aarray_like: 输入数组
n可选的: 值不同的次数。如果为零，则按原样返回输入。
axis可选的: 采用差异的轴，默认为最后一个轴。
准备，追加阵列式，可选: 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.

返回

diff恩达雷: 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。

参见

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]')

numpy.nancumsum numpy.ediff1d