dask.array.diff

dask.array.diff¶

dask.array.diff(a, n=1, axis=- 1, prepend=None, append=None)[源代码]¶

计算沿给定轴的第 n 次离散差分。

此文档字符串是从 numpy.diff 复制的。

Dask 版本可能存在一些不一致性。

第一个差异由沿给定轴的 out[i] = a[i+1] - a[i] 给出，更高的差异通过递归使用 diff 计算。

参数

aarray_like: 输入数组
nint, 可选: 值被差分的次数。如果为零，则输入保持原样返回。
轴int, 可选: 差异计算所沿的轴，默认是最后一个轴。
prepend, append类似数组, 可选: 在沿轴执行差分之前，要添加到 a 的值。标量值会沿轴方向扩展为长度为1的数组，并在所有其他轴上与输入数组的形状匹配。否则，维度与形状必须与 a 匹配，除了沿轴的维度。

1.16.0 新版功能.

返回

差异ndarray: 第 n 次差分。输出形状与 a 相同，除了沿 axis 轴的维度减少了 n。输出的类型与 a 中任意两个元素之间的差值类型相同。在大多数情况下，这与 a 的类型相同。一个显著的例外是 datetime64，它会导致输出数组为 timedelta64 类型。

参见

gradient, ediff1d, cumsum

注释

布尔数组的类型保持不变，因此当连续元素相同时结果将包含 False，而当它们不同时将包含 True。

对于无符号整数数组，结果也将是无符号的。这不应令人惊讶，因为结果与直接计算差值是一致的：

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

如果这不是所期望的，那么应该先将数组转换为更大的整数类型：

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

示例

>>> 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]')

dask.array.diagonal

dask.array.divide