numpy.ma.diff

ma.diff(a, /, n=1, axis=-1, prepend= значение>, append= значение>)

Вычислить n-ю дискретную разность вдоль заданной оси. Первая разность задаётся как out[i] = a[i+1] - a[i] вдоль заданной оси, более высокие разности вычисляются с использованием diff рекурсивно. Сохраняет входную маску.

Параметры:

aarray_like

Входной массив

nint, необязательный

Количество раз, когда значения дифференцируются. Если ноль, входные данные возвращаются как есть.

осьint, необязательный

Ось, вдоль которой берётся разность, по умолчанию — последняя ось.

prepend, appendarray_like, необязательный

Значения для добавления в начало или конец a вдоль оси перед выполнением разности. Скалярные значения расширяются до массивов длиной 1 в направлении оси и формы входного массива вдоль всех других осей. В противном случае размерность и форма должны совпадать a кроме оси.

Возвращает:

diffMaskedArray

n-е разности. Форма выходных данных такая же, как a кроме как вдоль ось где размерность меньше на n. Тип выходных данных такой же, как тип разницы между любыми двумя элементами a. Это тот же тип, что и a в большинстве случаев. Заметным исключением является datetime64, что приводит к timedelta64 выходной массив.

Смотрите также

numpy.diff

Эквивалентная функция в модуле верхнего уровня NumPy.

Примечания

Тип сохраняется для булевых массивов, поэтому результат будет содержать False когда последовательные элементы одинаковы и True когда они отличаются.

Для массивов беззнаковых целых чисел результаты также будут беззнаковыми. Это не должно вызывать удивления, так как результат согласуется с прямым вычислением разницы:

>>> u8_arr = np.array([1, 0], dtype=np.uint8)
>>> np.ma.diff(u8_arr)
masked_array(data=[255],
             mask=False,
       fill_value=np.uint64(999999),
            dtype=uint8)
>>> u8_arr[1,...] - u8_arr[0,...]
np.uint8(255)

Если это нежелательно, то массив следует сначала привести к большему целочисленному типу:

>>> 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)

Примеры

Попробуйте в вашем браузере!

>>> 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)

НазадОткрыть во вкладке