logo

numpy.diff() Pythonissa

Numpy moduuli Python tarjoaa toiminnon nimeltä numpy.diff n:n laskemiseksithdiskreetti ero annetulla akselilla. Jos 'x' on tulotaulukko, niin ensimmäinen ero saadaan kaavalla out[i]=x[i+1]-a[i]. Voimme laskea suuremman eron käyttämällä diff rekursiivisesti. Pythonin numpy-moduuli tarjoaa funktion nimeltä numpy.diff n:nnen diskreetin eron laskemiseksi annettua akselia pitkin. Jos 'x' on syötetaulukko, niin ensimmäinen ero saadaan kaavalla out[i]=x[i+1]-a[i]. Voimme laskea suuremman eron käyttämällä ero rekursiivisesti.

Syntaksi

 numpy.diff(a, n=1, axis=-1, prepend=, append=) 

Parametrit

x: array_like

Tämä parametri määrittää lähdetaulukon, jonka elementit n:nnet diskreetit erot ovat ne, jotka haluamme laskea.

merkkijonojen lisääminen java

n: int (valinnainen)

Tämä parametri määrittää, kuinka monta kertaa arvot eroavat toisistaan. Jos se on 0, lähdetaulukko palautetaan sellaisenaan.

liittää, lisätä: array_like (valinnainen)

Tämä parametri määrittää ndarray-arvon, joka määrittää arvot, jotka liitetään tai lisätään 'x' , akselia pitkin ennen erojen laskemista.

Palautukset:

Tämä funktio palauttaa ndarray-arvon, joka sisältää n:nnet erot, joilla on sama muoto kuin 'x,' ja koko on pienempi alkaen n . Minkä tahansa kahden elementin välisen eron tyyppi 'x' on lähdön tyyppi.

Esimerkki 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,...] 

Lähtö:

 array([0, 1, 2], dtype=uint8) array([1, 1], dtype=uint8) 1 

Yllä olevassa koodissa

päivitys liittymisestä sql:iin
  • Olemme tuoneet numpyn aliasnimellä np.
  • Olemme luoneet taulukon 'arr' käyttämällä np.array() funktio dtypen kanssa 'uint8' .
  • Olemme ilmoittaneet muuttujan 'b' ja määritti palautetun arvon np.diff() toiminto.
  • Olemme läpäisseet joukon 'arr' funktiossa.
  • Lopuksi yritimme tulostaa arvon 'b' ja elementtien väliset erot.

Tulosteessa se näyttää elementtien diskreetit erot.

Esimerkki 2:

 import numpy as np x = np.array([11, 21, 41, 71, 1, 12, 33, 2]) y = np.diff(x) x y 

Lähtö:

 array([11, 21, 41, 71, 1, 12, 33, 2]) array([ 10, 20, 30, -70, 11, 21, -31]) 

Esimerkki 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 

Lähtö:

 array([[ 60, -20, -29], [-38, 1, 1]]) array([[ 10, 20], [-70, 11], [-31, 11]]) 

Esimerkki 4:

 import numpy as np x = np.arange('1997-10-01', '1997-12-16', dtype=np.datetime64) y = np.diff(x) y 

Lähtö:

 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]') 

Yllä olevassa koodissa

  • Olemme tuoneet numpyn aliasnimellä np.
  • Olemme luoneet joukon päivämääriä 'x' käyttämällä np.arange() funktio dtypen kanssa 'datetime64' .
  • Olemme ilmoittaneet muuttujan 'ja' ja määritti palautetun arvon np.diff() toiminto.
  • Olemme läpäisseet joukon 'x' funktiossa.
  • Lopuksi yritimme tulostaa arvon 'ja' .

Tulosteessa se näyttää päivämäärän väliset diskreetit erot.