numpy.ma.diff#

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

计算沿给定轴的第 n 次离散差分.第一次差分是沿给定轴的 out[i] = a[i+1] - a[i],更高的差分是通过递归使用 diff 计算的.保留输入掩码.

参数:
aarray_like

输入数组

nint, 可选

值被差分的次数.如果为零,输入将原样返回.

axisint, 可选

沿其计算差分的轴,默认是最后一个轴.

prepend, appendarray_like, 可选

在沿轴执行差异之前,要添加到 a 的值或附加到 a 的值.标量值在轴方向上扩展为长度为 1 的数组,并在沿所有其他轴的输入数组的形状中.否则,维度必须与 a 匹配,但沿轴除外.

返回:
diffMaskedArray

第 n 次差分.输出的形状与 a 相同,除了沿 axis 的维度较小 n .输出的类型与 a 中任意两个元素之间的差分的类型相同.这在大多数情况下与 a 的类型相同.一个显著的例外是 datetime64,它会导致一个 timedelta64 输出数组.

参见

numpy.diff

在顶级 NumPy 模块中的等效函数.

备注

对于布尔数组,类型保持不变,因此当连续元素相同时,结果将包含 False,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.这应该不会令人惊讶,因为结果与直接计算差值一致:

>>> u8_arr = np.array([1, 0], dtype=np.uint8)
>>> np.ma.diff(u8_arr)
masked_array(data=[255],
             mask=False,
       fill_value=np.int64(999999),
            dtype=uint8)
>>> u8_arr[1,...] - u8_arr[0,...]
np.uint8(255)

如果这不是所期望的,那么应该首先将数组转换为更大的整数类型:

>>> 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)

示例

>>> 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)
On this page