在Python中计算给定轴上的第n个离散差异

要计算第n个离散差异，请使用numpy.diff()方法。第一差分由out[i] = a[i+1] – a[i]在给定轴上给出，更高阶差分通过递归使用diff()计算。diff()方法返回第n个差异。输出的形状与a相同，除了轴上的维数比n小。输出的类型与a中任意两个元素之间的差异相同。在大多数情况下，这与a的类型相同。值得注意的是datetime64会产生一个timedelta64输出数组。

第一个参数是输入数组。第二个参数是n，即值被差分的次数。如果为零，将原样返回输入。第三个参数是沿着差异进行的轴，默认是最后一个轴。第四个参数是在执行差异之前添加或附加到输入数组的值。标量值在轴的方向上扩展为具有长度1的数组，并在所有其他轴上沿着输入数组的形状扩展。

步骤

首先，导入所需的库-

import numpy as np

使用array()方法创建一个numpy数组。我们已经添加了int类型带有nan的元素-

arr = np.array([[10, 15, 30, 65], [80, 87, 100, np.nan]])

显示数组-

print("我们的数组...\n",arr)

检查数组的维度-

print("\n我们的数组的维度...\n",arr.ndim)

获取数据类型-

print("\n我们的数组对象的数据类型...\n",arr.dtype)

要计算第n个离散差异，请使用numpy.diff()方法。第一差分由out[i] = a[i+1] – a[i]在给定轴上给出，更高阶差分通过递归使用diff()计算-

print("\n离散差异..\n",np.diff(arr, axis = 1))

示例

import numpy as np

#使用array()方法创建一个numpy数组
#我们已经添加了int类型带有nan的元素
arr = np.array([[10, 15, 30, 65], [80, 87, 100, np.nan]])

#显示数组
print("我们的数组...\n",arr)

#检查数组的维度
print("\n我们的数组的维度...\n",arr.ndim)

#获取数据类型
print("\n我们的数组对象的数据类型...\n",arr.dtype)

#要计算第n个离散差异，请使用numpy.diff()方法
#第一差分由out[i] = a[i+1] - a[i]在给定轴上给出，更高阶差分通过递归使用diff()计算。
print("\n离散差异..\n",np.diff(arr, axis = 1))

输出

我们的数组...
[[ 10. 15. 30. 65.]
[ 80. 87. 100. nan]]

我们的数组的维度...
2

我们的数组对象的数据类型...
float64

离散差异..
[[ 5. 15. 35.]
[ 7. 13. nan]]

在Python中计算给定轴上的第n个离散差异

在Python中计算给定轴上的第n个离散差异

步骤

示例

输出

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

Python 示例

回顶部