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1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，沿给定轴计算，高阶差分通过递归使用diff计算。diff()方法返回第n阶差分。输出的形状与a相同，除了轴的维度比原来小n。输出的类型与a中任意两个元素差的类型相同。在大多数情况下，这与a的类型相同。一个显著的例外是datetime64，它会导致timedelta64输出数组。
第一个参数是输入数组。第二个参数是n，即值差分的次数。如果为零，则按原样返回输入。第三个参数是取差分的轴，默认为最后一个轴。第四个参数是在执行差分之前，预先添加到输入数组沿轴上的值。标量值会扩展到数组，在轴方向上长度为1，在所有其他轴上与输入数组的形状相同。
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, 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，沿给定轴计算，高阶差分通过递归使用diff计算：
print("\nDiscrete difference..\n",np.diff(arr, axis = 1))
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
# 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, axis = 1))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.. [[ 5. 15. 35.] [ 7. nan nan]]
更新于：2022年2月28日
98 次浏览
广告