在 Python 中计算轴 1 上的第 n 个离散差值

要计算第 n 个离散差值，请使用 numpy.diff() 方法。第一个差值由给定轴上的 out[i] = a[i+1] - a[i] 给出，更大的差值通过递归使用 diff 计算。diff() 方法返回第 n 个差值。输出的形状与 a 相同，但沿轴的维度小 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。在大多数情况下，这与 a 的类型相同。一个值得注意的例外是 datetime64，它会产生一个 timedelta64 输出数组。

第一个参数是输入数组。第二个参数是 n，即值相差的次数。如果为零，则按原样返回输入。第三个参数是沿其进行差分的轴，默认为最后一个轴。第四个参数是在执行差分之前沿轴添加或附加到输入数组的值。标量值在轴方向上扩展为长度为 1 的数组，在所有其他轴上扩展为输入数组的形状。

步骤

首先，导入所需的库 −

import numpy as np

使用 array() 方法创建 numpy 数组。我们添加了带有 nan 的 int 类型元素 −

arr = np.array([[10, 15, 30, 65], [80, 87, np.nan, 120]])

显示数组 −

print("Our Array...\n",arr)

检查维度 −

print("\nDimensions of our Array...\n",arr.ndim)

获取数据类型 −

print("\nDatatype of our Array object...\n",arr.dtype)

要计算第 n 个离散差值，请使用 numpy.diff() 方法。第一个差值由 out[i] = a[i+1] - a[i] 沿给定轴给出，更大的差值通过递归使用 diff − 计算

print("\nDiscrete difference..\n",np.diff(arr, axis = 1))

示例

import numpy as np

# 使用 array() 方法创建 numpy 数组
# 我们添加了带有 nan 的 int 类型的元素
arr = np.array([[10, 15, 30, 65], [80, 87, np.nan, 120]])

# 显示数组
print("我们的数组...\n",arr)

# 检查维度
print("\n我们的数组的维度...\n",arr.ndim)

# 获取数据类型
print("\n我们的数组对象的数据类型...\n",arr.dtype)

# 要计算第 n 个离散差异，请使用 numpy.diff() 方法
# 第一个差异由 out[i] = a[i+1] - a[i] 沿给定轴给出，更高的差异通过递归使用 diff 计算。
print("\nDiscrete difference..\n",np.diff(arr, axis = 1))

输出

我们的数组...
[[ 10. 15. 30. 65.]
[ 80. 87. nan 120.]]

我们的数组的维度...
2

我们的数组对象的数据类型...
float64

离散差异..
[[ 5. 15. 35.]
[ 7. nan nan]]

相关文章

• 在 NumPy 中查找给定月份的工作日数量
• 查找 numpy 数组的大小
• 查找 NumPy 数组中的最大和最小元素
• 使用 Python 中的 NumPy 生成具有给定根的 Hermite_e 级数
• 查找两个 NumPy 数组的并集
• Python - Numpy 数组上的操作
• Numpy 中的结构化数组
• 如何使用 NumPy Arrange 创建线性增加的值序列?
• 如何获取 NumPy 数组在特定索引位置的值?
• 使用 NumPy 在给定列表中查找数字的倍数

有用资源

• python 参考教程 - 该教程包含有关 python 的更多信息:https://www.cainiaomax.com/python/