numpy.diff#

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

沿给定轴计算 n 次离散差分。

一阶差分由 out[i] = a[i+1] - a[i] 给出，沿给定轴计算高阶差分是通过递归使用 diff 来完成的。

参数：

aarray_like: 输入数组
nint, 可选: 差分值的次数。如果为零，则返回输入数组本身。
axisint, 可选: 计算差分的轴，默认为最后一个轴。
prepend, appendarray_like, 可选: 在执行差分之前，沿轴预先添加到或附加到 a 的值。标量值将扩展为在轴方向上长度为 1 且沿所有其他轴具有输入数组形状的数组。否则，维度和形状必须与 a 相同，除了沿轴的方向。

返回：

diffndarray: n 次差分。输出的形状与 a 相同，除了 axis 轴，其维度比 n 小。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。一个显著的例外是 datetime64，它会产生 timedelta64 输出数组。

参见

注释

布尔数组的类型将被保留，因此当连续元素相同时结果将包含 False，而当它们不同时则包含 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)

如果不需要此行为，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]')