numpy.diff#

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

沿给定轴计算离散差值（n阶）。

一阶差分通过给定轴上的 out[i] = a[i+1] - a[i] 计算得出，更高阶的差分通过递归使用 diff 计算。

参数:

a类数组对象: 输入数组。
nint, optional: 执行差分的次数。如果为零，则直接返回输入。
axisint, optional: 执行差分的轴，默认为最后一个轴。
prepend, appendarray_like, 可选: 在执行差分之前沿轴向 a 前置或追加的值。标量值将被扩展为长度为 1 的数组（沿指定轴方向），且在所有其他轴上的形状与输入数组一致。否则，除指定轴外，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，但在 axis 维度上小 n。输出类型与 a 中任意两个元素之差的类型相同。在大多数情况下，这与 a 的类型相同。一个明显的例外是 datetime64，它会产生 timedelta64 输出数组。

另请参阅

备注

布尔数组会保留其类型，因此当连续元素相同时结果包含 False，当元素不同时结果包含 True。

对于无符号整数数组，结果也将是无符号的。这并不令人意外，因为该结果与直接计算差值是一致的。

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

如果这不是您想要的结果，则应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]')