O módulo numpy de Pitão fornece uma função chamada numpy.diff para calcular o nºdiferença discreta ao longo do eixo dado. Se 'x' é a matriz de entrada, então a primeira diferença é dada por out[i]=x[i+1]-a[i]. Podemos calcular a diferença maior usando diff recursivamente. O módulo numpy do Python fornece uma função chamada numpy.diff para calcular a enésima diferença discreta ao longo de um determinado eixo. Se 'x' for a matriz de entrada, então a primeira diferença é dada por out[i]=x[i+1]-a[i]. Podemos calcular a diferença maior usando diferença recursivamente.
Sintaxe
numpy.diff(a, n=1, axis=-1, prepend=, append=)
Parâmetros
x: array_like
Este parâmetro define o array de origem cujos elementos n-ésima deferência discreta são aqueles que queremos calcular.
n: int(opcional)
Este parâmetro define o número de vezes que os valores são diferenciados. Se for 0, o array de origem será retornado como está.
anexar, preceder: array_like (opcional)
Este parâmetro define um ndarray, que define os valores que serão anexados ou acrescentados ao 'x' , ao longo do eixo antes de calcular as diferenças.
Retorna:
Esta função retorna um ndarray contendo enésimas diferenças com a mesma forma que 'x,' e a dimensão é menor de n . O tipo de diferença entre quaisquer dois elementos de 'x' é o tipo de saída.
como atualizar java
Exemplo 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,...]
Saída:
array([0, 1, 2], dtype=uint8) array([1, 1], dtype=uint8) 1
No código acima
- Importamos numpy com o nome alternativo np.
- Criamos uma matriz 'arr' usando np.array() função com o dtype 'uint8' .
- Declaramos a variável 'b' e atribuiu o valor retornado do np.diff() função.
- Passamos a matriz 'arr' na função.
- Por último, tentamos imprimir o valor de 'b' e a diferença entre os elementos.
Na saída, mostra as diferenças discretas dos elementos.
Exemplo 2:
import numpy as np x = np.array([11, 21, 41, 71, 1, 12, 33, 2]) y = np.diff(x) x y
Saída:
array([11, 21, 41, 71, 1, 12, 33, 2]) array([ 10, 20, 30, -70, 11, 21, -31])
Exemplo 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
Saída:
array([[ 60, -20, -29], [-38, 1, 1]]) array([[ 10, 20], [-70, 11], [-31, 11]])
Exemplo 4:
import numpy as np x = np.arange('1997-10-01', '1997-12-16', dtype=np.datetime64) y = np.diff(x) y
Saída:
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]')
No código acima
25 c a k
- Importamos numpy com o nome alternativo np.
- Criamos uma série de datas 'x' usando np.arange() função com o dtype 'datahora64' .
- Declaramos a variável 'e' e atribuiu o valor retornado do np.diff() função.
- Passamos a matriz 'x' na função.
- Por último, tentamos imprimir o valor de 'e' .
Na saída, mostra as diferenças discretas entre as datas.