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.