数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
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
服装设计
法学在Python中计算沿轴0的第n阶离散差分
要计算第n阶离散差分，可以使用numpy.diff()方法。一阶差分由out[i] = a[i+1] - a[i]给出（沿给定轴），高阶差分通过递归使用diff来计算。diff()方法返回第n阶差分。输出的形状与a相同，除了在轴方向上维度减小n。输出的类型与a中任意两个元素之差的类型相同。在大多数情况下，这与a的类型相同。一个显著的例外是datetime64，它会产生timedelta64类型的输出数组。
第一个参数是输入数组。第二个参数是n，即值的差分次数。如果为零，则返回输入值本身。第三个参数是进行差分的轴，默认为最后一个轴。第四个参数是在执行差分之前，沿轴预先添加到输入数组中的值。标量值将扩展为在轴方向上长度为1，而在所有其他轴上具有输入数组形状的数组。
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类型的元素以及nan：
arr = np.array([[10, 15, 30, 65], [80, 87, np.nan, 120]])
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阶离散差分，可以使用numpy.diff()方法。一阶差分由out[i] = a[i+1] - a[i]给出（沿给定轴），高阶差分通过递归使用diff来计算：
print("\nDiscrete difference..\n",np.diff(arr, axis = 0))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, 120]])
# 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
print("\nDiscrete difference..\n",np.diff(arr, axis = 0))输出
Our Array... [[ 10. 15. 30. 65.] [ 80. 87. nan 120.]] Dimensions of our Array... 2 Datatype of our Array object... float64 Discrete difference.. [[70. 72. nan 55.]]
更新于：2022年2月24日
浏览量：152
广告