Das Numpy-Modul von Python stellt eine Funktion namens numpy.diff zur Berechnung des nThdiskrete Differenz entlang der gegebenen Achse. Wenn 'X' ist das Eingabearray, dann ist die erste Differenz gegeben durch out[i]=x[i+1]-a[i]. Wir können die höhere Differenz berechnen, indem wir diff rekursiv verwenden. Das Numpy-Modul von Python stellt eine Funktion namens Numpy.diff zur Berechnung der n-ten diskreten Differenz entlang der gegebenen Achse bereit. Wenn „x“ das Eingabearray ist, wird die erste Differenz durch out[i]=x[i+1]-a[i] angegeben. Wir können die höhere Differenz berechnen, indem wir verwenden diff rekursiv.
Syntax
numpy.diff(a, n=1, axis=-1, prepend=, append=)
Parameter
x: array_like
Dieser Parameter definiert das Quellarray, dessen Elemente der n-ten diskreten Referenz diejenigen sind, die wir berechnen möchten.
n: int(optional)
Dieser Parameter definiert, wie oft die Werte differenziert werden. Wenn es 0 ist, wird das Quellarray unverändert zurückgegeben.
anhängen, voranstellen: array_like(optional)
Dieser Parameter definiert ein ndarray, das die Werte definiert, die angehängt oder vorangestellt werden 'X' , entlang der Achse, bevor die Differenzen berechnet werden.
Kehrt zurück:
Diese Funktion gibt ein Ndarray zurück, das n-te Unterschiede mit derselben Form enthält wie 'X,' und die Abmessung ist kleiner N . Die Art des Unterschieds zwischen zwei beliebigen Elementen von 'X' ist der Typ der Ausgabe.
Beispiel 1:
import numpy as np arr = np.array([0, 1, 2], dtype=np.uint8) arr b=np.diff(arr) b arr[2,...] - arr[1,...] - arr[0,...]
Ausgabe:
array([0, 1, 2], dtype=uint8) array([1, 1], dtype=uint8) 1
Im obigen Code
- Wir haben numpy mit dem Aliasnamen np importiert.
- Wir haben ein Array erstellt 'arr' verwenden np.array() Funktion mit dem dtype 'uint8' .
- Wir haben die Variable deklariert 'B' und den zurückgegebenen Wert zugewiesen np.diff() Funktion.
- Wir haben das Array übergeben 'arr' in der Funktion.
- Zuletzt haben wir versucht, den Wert von auszudrucken 'B' und der Unterschied zwischen Elementen.
In der Ausgabe werden die diskreten Unterschiede der Elemente angezeigt.
Beispiel 2:
import numpy as np x = np.array([11, 21, 41, 71, 1, 12, 33, 2]) y = np.diff(x) x y
Ausgabe:
array([11, 21, 41, 71, 1, 12, 33, 2]) array([ 10, 20, 30, -70, 11, 21, -31])
Beispiel 3:
import numpy as np x = np.array([[11, 21, 41], [71, 1, 12], [33, 2, 13]]) y = np.diff(x, axis=0) y z = np.diff(x, axis=1) z
Ausgabe:
array([[ 60, -20, -29], [-38, 1, 1]]) array([[ 10, 20], [-70, 11], [-31, 11]])
Beispiel 4:
import numpy as np x = np.arange('1997-10-01', '1997-12-16', dtype=np.datetime64) y = np.diff(x) y
Ausgabe:
array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1], dtype='timedelta64[D]')
Im obigen Code
- Wir haben numpy mit dem Aliasnamen np importiert.
- Wir haben eine Reihe von Terminen erstellt 'X' verwenden np.arange() Funktion mit dem dtype 'datetime64' .
- Wir haben die Variable deklariert 'Und' und den zurückgegebenen Wert zugewiesen np.diff() Funktion.
- Wir haben das Array übergeben 'X' in der Funktion.
- Zuletzt haben wir versucht, den Wert von auszudrucken 'Und' .
In der Ausgabe werden die diskreten Unterschiede zwischen Datumsangaben angezeigt.