numpy.diff#

numpy.diff(a, n=1, axis=-1, prepend=<no value>, append=<no value>)[source]#

計算沿給定軸的第 n 個離散差值。

第一個差值由沿給定軸的 out[i] = a[i+1] - a[i] 給出，更高的差值透過遞迴使用 diff 計算。

參數:

aarray_like: 輸入陣列
nint, optional: 值被差分的次數。如果為零，則輸入值會原樣返回。
axisint, optional: 計算差值的軸，預設為最後一個軸。
prepend, appendarray_like, optional: 在執行差值計算之前，沿軸預先或附加到 a 的值。純量值會沿軸方向擴展為長度為 1 的陣列，並沿所有其他軸擴展為輸入陣列的形狀。否則，除了沿軸之外，維度和形狀必須與 a 相符。

返回:

diffndarray: 第 n 個差值。輸出的形狀與 a 相同，除了沿 axis 軸的維度縮小了 n。輸出的型別與 a 中任意兩個元素之間差值的型別相同。在大多數情況下，這與 a 的型別相同。一個值得注意的例外是 datetime64，它會產生一個 timedelta64 輸出陣列。

另請參閱

註解

型別會為布林陣列保留，因此當連續元素相同時，結果將包含 False，而當它們不同時，結果將包含 True。

對於無號整數陣列，結果也將是無號的。這不應令人驚訝，因為結果與直接計算差值一致

>>> u8_arr = np.array([1, 0], dtype=np.uint8)
>>> np.diff(u8_arr)
array([255], dtype=uint8)
>>> u8_arr[1,...] - u8_arr[0,...]
np.uint8(255)

如果這不是所希望的，那麼應該首先將陣列轉換為更大的整數型別

>>> i16_arr = u8_arr.astype(np.int16)
>>> np.diff(i16_arr)
array([-1], dtype=int16)

範例

>>> import numpy as np
>>> x = np.array([1, 2, 4, 7, 0])
>>> np.diff(x)
array([ 1,  2,  3, -7])
>>> np.diff(x, n=2)
array([  1,   1, -10])

>>> x = np.array([[1, 3, 6, 10], [0, 5, 6, 8]])
>>> np.diff(x)
array([[2, 3, 4],
       [5, 1, 2]])
>>> np.diff(x, axis=0)
array([[-1,  2,  0, -2]])

>>> x = np.arange('1066-10-13', '1066-10-16', dtype=np.datetime64)
>>> np.diff(x)
array([1, 1], dtype='timedelta64[D]')