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 a 小 n。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)