numpy.diff#
- numpy.diff(a, n=1, axis=-1, prepend=<no value>, append=<no value>)[source]#
沿给定轴计算第 n 次离散差分。
第一次差分由
out[i] = a[i+1] - a[i]
沿给定轴给出,更高阶差分通过递归使用diff
计算。- 参数:
- aarray_like
输入数组
- nint, 可选
差分值的次数。如果为零,则按原样返回输入。
- axisint, 可选
进行差分的轴,默认值为最后一个轴。
- prepend, appendarray_like, 可选
在执行差分之前,要沿轴追加到 a 的值。标量值将扩展为在轴方向上长度为 1 的数组,并在所有其他轴上具有输入数组的形状。否则,维度和形状必须与 a 相匹配,除了沿轴的方向。
版本 1.16.0 中新增。
- 返回值:
- diffndarray
第 n 次差分。输出的形状与 a 相同,除了沿 axis 方向,该维度的尺寸将减小 n。输出的类型与 a 中任意两个元素的差分类型相同。在大多数情况下,这与 a 的类型相同。一个明显的例外是
datetime64
,它将导致timedelta64
输出数组。
注释
对于布尔数组,类型将被保留,因此当连续元素相同时,结果将包含 False,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。这并不奇怪,因为结果与直接计算差分是一致的。
>>> u8_arr = np.array([1, 0], dtype=np.uint8) >>> np.diff(u8_arr) array([255], dtype=uint8) >>> u8_arr[1,...] - u8_arr[0,...] 255
如果这不是期望的结果,那么应该先将数组强制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]')