数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究在 Python 中计算第 n 次离散差分
要计算第 n 次离散差分，可以使用 numpy.diff() 方法。第一次差分由 out[i] = a[i+1] - a[i] 给出，沿着给定的轴，更高的差分是通过递归使用 diff 计算的。diff() 方法返回第 n 次差分。输出的形状与 a 相同，除了轴，该轴的维度比 n 小。输出的类型与 a 的任意两个元素之间的差分的类型相同。在大多数情况下，这与 a 的类型相同。一个值得注意的例外是 datetime64，它会产生一个 timedelta64 输出数组。
第一个参数是输入数组。第二个参数是 n，即值被差分的次数。如果为零，则输入按原样返回。第三个参数是获取差分的轴，默认为最后一个轴。第四个参数是在执行差分之前预先附加或附加到输入数组沿轴的值。标量值会扩展为数组，在轴方向上的长度为 1，而在所有其他轴上的形状与输入数组相同。
步骤
首先，导入所需的库 -
import numpy as np
使用 array() 方法创建一个 numpy 数组。我们添加了 int 类型的元素和 nan -
arr = np.array([10, 15, 30, 65, 80, 87, np.nan])
显示数组 -
print("Our Array...\n",arr)检查维度 -
print("\nDimensions of our Array...\n",arr.ndim)
获取数据类型 -
print("\nDatatype of our Array object...\n",arr.dtype)要计算第 n 次离散差分，可以使用 numpy.diff() 方法。第一次差分由 out[i] = a[i+1] - a[i] 给出，沿着给定的轴，更高的差分是通过递归使用 diff 计算的 -
print("\nDiscrete difference..\n",np.diff(arr))示例
import numpy as np
# Creating a numpy array using the array() method
# We have added elements of int type with nan
arr = np.array([10, 15, 30, 65, 80, 87, np.nan])
# Display the array
print("Our Array...\n",arr)
# Check the Dimensions
print("\nDimensions of our Array...\n",arr.ndim)
# Get the Datatype
print("\nDatatype of our Array object...\n",arr.dtype)
# To calculate the n-th discrete difference, use the numpy.diff() method
# The first difference is given by out[i] = a[i+1] - a[i] along the given axis, higher differences are calculated by using diff recursively.
print("\nDiscrete difference..\n",np.diff(arr))输出
Our Array... [10. 15. 30. 65. 80. 87. nan] Dimensions of our Array... 1 Datatype of our Array object... float64 Discrete difference.. [ 5. 15. 35. 15. 7. nan]
更新于: 2022-02-28
110 次查看
广告