numpy.ma.diff#

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

沿著給定軸計算第 n 個離散差值。第一個差值由沿著給定軸的 out[i] = a[i+1] - a[i] 給出，更高的差值透過遞迴使用 diff 計算。保留輸入遮罩。

參數:
a類陣列

輸入陣列

n整數，選用

數值被差分的次數。如果為零，則輸入將按原樣返回。

axis整數，選用

取差值的軸，預設為最後一個軸。

prepend, append類陣列，選用

在執行差值之前，要沿軸預先或附加到 a 的值。純量值會擴展為在軸方向上長度為 1，且在所有其他軸上具有輸入陣列形狀的陣列。否則，維度和形狀必須與 a 相符，軸除外。

回傳值:
diff遮罩陣列

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

另請參閱

numpy.diff

頂層 NumPy 模組中的等效函數。

註解

布林陣列的類型會被保留，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.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)

如果這不是所期望的，則應首先將陣列強制轉換為更大的整數類型

>>> 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)

範例

>>> 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)
在此頁面上