Python 的numpy模块提供了一个名为 numpy.diff 的函数，用于计算沿给定轴的第n 个离散差。如果x是输入数组，则第一个差异由out [i] = x [i + 1] -a [i]给出。我们可以通过递归使用diff来计算更高的差异。 Python的numpy模块提供了一个名为numpy.diff的函数，用于计算沿给定轴的第n个离散差。如果" x"是输入数组，则第一个差异由out [i] = x [i + 1] -a [i]给出。我们可以通过递归使用 diff 来计算更高的差异。
语法
numpy.diff(a, n=1, axis=-1, prepend=<no value>, append=<no value>)
参数
x:array_like
此参数定义了源数组，其第n个离散差值是我们要计算的元素。
n:int(可选)
此参数定义值相差的次数。如果为0，则按原样返回源数组。
append，prepend:array_like(可选)
该参数定义了一个ndarray，该ndarray定义了在计算差异之前沿轴追加或加到x的值。
返回值:
此函数返回一个包含第n个差异的ndarray，它们的形状与x相同，并且维数小于 n 。 x的任意两个元素之间的差异类型是输出的类型。
范例1:
import numpy as np arr = np.array([0, 1, 2], dtype=np.uint8) arr b=np.diff(arr) b arr[2,...] - arr[1,...] - arr[0,...]
输出:
array([0, 1, 2], dtype=uint8) array([1, 1], dtype=uint8) 1
在上面的代码中
- 我们导入了别名为np的numpy。
- 我们已经使用 np.array()函数和dtype uint8创建了一个数组arr。
- 我们已经声明了变量b，并分配了 np.diff()函数的返回值。
- 我们在函数中传递了数组arr。
- 最后，我们尝试打印b的值以及元素之间的差异。
在输出中，它显示了元素的离散差异。
范例2:
import numpy as np x = np.array([11, 21, 41, 71, 1, 12, 33, 2]) y = np.diff(x) x y
输出:
array([11, 21, 41, 71, 1, 12, 33, 2]) array([ 10, 20, 30, -70, 11, 21, -31])
范例3:
import numpy as np x = np.array([[11, 21, 41], [71, 1, 12], [33, 2, 13]]) y = np.diff(x, axis=0) y z = np.diff(x, axis=1) z
输出:
array([[ 60, -20, -29],
[-38, 1, 1]])
array([[ 10, 20],
[-70, 11],
[-31, 11]])
范例4:
import numpy as np x = np.arange(1997-10-01, 1997-12-16, dtype=np.datetime64) y = np.diff(x) y
输出:
array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1], dtype=timedelta64[D])
在上面的代码中
- 我们导入了别名为np的numpy。
- 我们使用dtype为datetime64的 np.arange()函数创建了一系列日期x。
- 我们已经声明了变量y，并分配了 np.diff()函数的返回值。
- 我们在函数中传递了数组x。
- 最后，我们尝试打印y的值。
在输出中，它显示了日期之间的离散差异。
