Le module numpy de Python fournit une fonction appelée numpy.diff pour calculer le nèmedifférence discrète le long de l’axe donné. Si 'X' est le tableau d'entrée, alors la première différence est donnée par out[i]=x[i+1]-a[i]. Nous pouvons calculer la différence la plus élevée en utilisant diff de manière récursive. Le module numpy de Python fournit une fonction appelée numpy.diff pour calculer la nième différence discrète le long de l'axe donné. Si 'x' est le tableau d'entrée, alors la première différence est donnée par out[i]=x[i+1]-a[i]. Nous pouvons calculer la différence la plus élevée en utilisant différence récursivement.
Syntaxe
numpy.diff(a, n=1, axis=-1, prepend=, append=)
Paramètres
x : tableau_like
Ce paramètre définit le tableau source dont les éléments nièmes déférences discrètes sont ceux que l'on veut calculer.
bouton central CSS
n : entier (facultatif)
Ce paramètre définit le nombre de fois où les valeurs sont différenciées. S'il vaut 0, alors le tableau source est renvoyé tel quel.
ajouter, ajouter : array_like (facultatif)
Ce paramètre définit un ndarray, qui définit les valeurs qui seront ajoutées ou pré-ajoutées à 'X' , le long de l'axe avant de calculer les différences.
ddl contre dml
Retour:
Cette fonction renvoie un ndarray contenant des nièmes différences ayant la même forme que 'X,' et la dimension est plus petite de n . Le type de différence entre deux éléments quelconques de 'X' est le type de sortie.
Exemple 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,...]
Sortir:
array([0, 1, 2], dtype=uint8) array([1, 1], dtype=uint8) 1
Dans le code ci-dessus
- Nous avons importé numpy avec le nom d'alias np.
- Nous avons créé un tableau 'arr' en utilisant np.array() fonctionner avec le dtype 'uint8' .
- Nous avons déclaré la variable 'b' et attribué la valeur renvoyée du np.diff() fonction.
- Nous avons dépassé le tableau 'arr' dans la fonction.
- Enfin, nous avons essayé d'imprimer la valeur de 'b' et la différence entre les éléments.
Dans le résultat, il montre les différences discrètes des éléments.
Exemple 2 :
import numpy as np x = np.array([11, 21, 41, 71, 1, 12, 33, 2]) y = np.diff(x) x y
Sortir:
méthode remplaçant en java
array([11, 21, 41, 71, 1, 12, 33, 2]) array([ 10, 20, 30, -70, 11, 21, -31])
Exemple 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
Sortir:
array([[ 60, -20, -29], [-38, 1, 1]]) array([[ 10, 20], [-70, 11], [-31, 11]])
Exemple 4 :
import numpy as np x = np.arange('1997-10-01', '1997-12-16', dtype=np.datetime64) y = np.diff(x) y
Sortir:
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]')
Dans le code ci-dessus
- Nous avons importé numpy avec le nom d'alias np.
- Nous avons créé un tableau de dates 'X' en utilisant np.arange() fonctionner avec le dtype 'dateheure64' .
- Nous avons déclaré la variable 'et' et attribué la valeur renvoyée du np.diff() fonction.
- Nous avons dépassé le tableau 'X' dans la fonction.
- Enfin, nous avons essayé d'imprimer la valeur de 'et' .
Dans le résultat, il montre les différences discrètes entre les dates.