numpy.ma.diff#

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

沿着给定轴计算第 n 个离散差值。第一个差值由 out[i] = a[i+1] - a[i] 沿着给定轴给出,更高阶的差值通过递归使用 diff 来计算。保留输入掩码。

参数:
aarray_like

输入数组

nint, 可选

差值计算的次数。如果为零,则按原样返回输入。

axisint, 可选

计算差值的轴,默认为最后一个轴。

prepend, appendarray_like, 可选

在执行差值之前,沿着轴追加到 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 匹配,除了沿着轴。

返回值:
diffMaskedArray

第 n 个差值。输出的形状与 a 相同,除了沿着 axis 方向,维度比 an。输出的类型与 a 中任意两个元素之间的差值的类型相同。这在大多数情况下与 a 的类型相同。一个明显的例外是 datetime64,它将产生一个 timedelta64 输出数组。

参见

numpy.diff

顶层 NumPy 模块中的等效函数。

注释

布尔数组的类型被保留,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值是一致的

>>> u8_arr = np.array([1, 0], dtype=np.uint8)
>>> np.ma.diff(u8_arr)
masked_array(data=[255],
             mask=False,
       fill_value=np.int64(999999),
            dtype=uint8)
>>> u8_arr[1,...] - u8_arr[0,...]
255

如果这不是你想要的,那么应该先将数组转换为更大的整数类型

>>> i16_arr = u8_arr.astype(np.int16)
>>> np.ma.diff(i16_arr)
masked_array(data=[-1],
             mask=False,
       fill_value=np.int64(999999),
            dtype=int16)

示例

>>> import numpy as np
>>> a = np.array([1, 2, 3, 4, 7, 0, 2, 3])
>>> x = np.ma.masked_where(a < 2, a)
>>> np.ma.diff(x)
masked_array(data=[--, 1, 1, 3, --, --, 1],
        mask=[ True, False, False, False,  True,  True, False],
    fill_value=999999)
>>> np.ma.diff(x, n=2)
masked_array(data=[--, 0, 2, --, --, --],
            mask=[ True, False, False,  True,  True,  True],
    fill_value=999999)
>>> a = np.array([[1, 3, 1, 5, 10], [0, 1, 5, 6, 8]])
>>> x = np.ma.masked_equal(a, value=1)
>>> np.ma.diff(x)
masked_array(
    data=[[--, --, --, 5],
            [--, --, 1, 2]],
    mask=[[ True,  True,  True, False],
            [ True,  True, False, False]],
    fill_value=1)
>>> np.ma.diff(x, axis=0)
masked_array(data=[[--, --, --, 1, -2]],
        mask=[[ True,  True,  True, False, False]],
    fill_value=1)