Den numpy modulen til Python gir en funksjon kalt numpy.diff for å beregne nthdiskret forskjell langs den gitte aksen. Hvis 'x' er inngangsmatrisen, så er den første forskjellen gitt av ut[i]=x[i+1]-a[i]. Vi kan beregne den høyere forskjellen ved å bruke diff rekursivt. numpy-modulen til Python gir en funksjon kalt numpy.diff for å beregne den n-te diskrete forskjellen langs den gitte aksen. Hvis 'x' er inngangsmatrisen, er den første forskjellen gitt av ut[i]=x[i+1]-a[i]. Vi kan beregne den høyere differansen ved å bruke diff rekursivt.
lagret programkontroll
Syntaks
numpy.diff(a, n=1, axis=-1, prepend=, append=)
Parametere
x: array_like
Denne parameteren definerer kildematrisen hvis elementer n-te diskrete referanse er de vi ønsker å beregne.
n: int(valgfritt)
Denne parameteren definerer antall ganger verdiene er forskjellig. Hvis den er 0, returneres kildematrisen som den er.
append, prepend: array_like(valgfritt)
Denne parameteren definerer en ndarray, som definerer verdiene som skal legges til eller foran 'x' , langs aksen før beregning av forskjeller.
Returnerer:
Denne funksjonen returnerer en ndarray som inneholder n-te forskjeller med samme form som 'x,' og dimensjonen er mindre fra n . Typen forskjell mellom to elementer av 'x' er typen av utgang.
alisa manyonok
Eksempel 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,...]
Produksjon:
array([0, 1, 2], dtype=uint8) array([1, 1], dtype=uint8) 1
I koden ovenfor
npm installeringskommando
- Vi har importert numpy med alias navn np.
- Vi har laget en matrise 'arr' ved hjelp av np.array() funksjon med dtype 'uint8' .
- Vi har deklarert variabelen 'b' og tildelt den returnerte verdien av np.diff() funksjon.
- Vi har passert arrayet 'arr' i funksjonen.
- Til slutt prøvde vi å skrive ut verdien av 'b' og forskjellen mellom elementene.
I utgangen viser den de diskrete forskjellene mellom elementer.
Eksempel 2:
import numpy as np x = np.array([11, 21, 41, 71, 1, 12, 33, 2]) y = np.diff(x) x y
Produksjon:
array([11, 21, 41, 71, 1, 12, 33, 2]) array([ 10, 20, 30, -70, 11, 21, -31])
Eksempel 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
Produksjon:
array([[ 60, -20, -29], [-38, 1, 1]]) array([[ 10, 20], [-70, 11], [-31, 11]])
Eksempel 4:
import numpy as np x = np.arange('1997-10-01', '1997-12-16', dtype=np.datetime64) y = np.diff(x) y
Produksjon:
java matematikk klasse
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]')
I koden ovenfor
- Vi har importert numpy med alias navn np.
- Vi har laget en rekke datoer 'x' ved hjelp av np.arange() funksjon med dtype 'datetime64' .
- Vi har deklarert variabelen 'og' og tildelt den returnerte verdien av np.diff() funksjon.
- Vi har passert arrayet 'x' i funksjonen.
- Til slutt prøvde vi å skrive ut verdien av 'og' .
I utdataene viser den de diskrete forskjellene mellom datoer.