numpy.diff#

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

计算沿给定轴的第 n 阶离散差分。

沿给定轴的第一个差分由 out[i] = a[i+1] - a[i] 给出，更高阶的差分通过递归使用 diff 计算。

参数:

a类数组: 输入数组
nint, 可选: 值被差分的次数。如果为零，则返回原输入。
axisint, 可选: 计算差分的轴，默认为最后一个轴。
prepend, append类数组, 可选: 在执行差分之前，要沿轴添加到 a 之前或之后的值。标量值会扩展为在轴方向长度为 1，在所有其他轴方向与输入数组形状相同的数组。否则，除沿轴方向外，维度和形状必须与 a 匹配。

返回:

diffndarray: 第 n 阶差分。输出的形状与 a 相同，但沿 axis 的维度会减小 n。输出的类型与 a 中任意两个元素之间差分的类型相同。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。

另请参阅

注意

布尔数组的类型会保留，因此当连续元素相同时，结果将包含 False，而当它们不同时，结果将包含 True。

对于无符号整数数组，结果也将是无符号的。这不应令人惊讶，因为结果与直接计算差分一致

>>> u8_arr = np.array([1, 0], dtype=np.uint8)
>>> np.diff(u8_arr)
array([255], dtype=uint8)
>>> u8_arr[1,...] - u8_arr[0,...]
np.uint8(255)

如果这不是期望的结果，则应首先将数组转换为更大的整数类型

>>> i16_arr = u8_arr.astype(np.int16)
>>> np.diff(i16_arr)
array([-1], dtype=int16)

示例

>>> import numpy as np
>>> 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]')