Il modulo Numpy di Pitone fornisce una funzione chiamata numpy.diff per il calcolo del nthdifferenza discreta lungo l'asse dato. Se 'X' è l'array di input, la prima differenza è data da out[i]=x[i+1]-a[i]. Possiamo calcolare la differenza maggiore utilizzando diff in modo ricorsivo. Il modulo numpy di Python fornisce una funzione chiamata numpy.diff per calcolare l'ennesima differenza discreta lungo l'asse dato. Se 'x' è l'array di input, la prima differenza è data da out[i]=x[i+1]-a[i]. Possiamo calcolare la differenza maggiore utilizzando diff ricorsivamente.
Sintassi
numpy.diff(a, n=1, axis=-1, prepend=, append=)
Parametri
x: tipo_array
Questo parametro definisce l'array di origine i cui elementi n-esima deferenza discreta sono quelli che vogliamo calcolare.
comandi git per push
n: int(facoltativo)
Questo parametro definisce il numero di volte in cui i valori vengono differenziati. Se è 0, l'array di origine viene restituito così com'è.
aggiungi, anteponi: array_like(opzionale)
c numero casuale
Questo parametro definisce un ndarray, che definisce i valori da aggiungere o anteporre 'X' , lungo l'asse prima di calcolare le differenze.
Ritorna:
Questa funzione restituisce un ndarray contenente le n-esime differenze aventi la stessa forma di 'X,' e la dimensione è inferiore a N . Il tipo di differenza tra due elementi qualsiasi di 'X' è il tipo di output.
Esempio 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,...]
Produzione:
array([0, 1, 2], dtype=uint8) array([1, 1], dtype=uint8) 1
Nel codice sopra
qual è la dimensione del mio monitor?
- Abbiamo importato Numpy con il nome alias np.
- Abbiamo creato un array 'arr' utilizzando np.array() funzione con il dtype 'uint8' .
- Abbiamo dichiarato la variabile 'B' e assegnato il valore restituito di np.diff() funzione.
- Abbiamo superato l'array 'arr' nella funzione.
- Infine, abbiamo provato a stampare il valore di 'B' e la differenza tra gli elementi.
Nell'output, mostra le differenze discrete degli elementi.
Esempio 2:
import numpy as np x = np.array([11, 21, 41, 71, 1, 12, 33, 2]) y = np.diff(x) x y
Produzione:
array([11, 21, 41, 71, 1, 12, 33, 2]) array([ 10, 20, 30, -70, 11, 21, -31])
Esempio 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
Produzione:
array([[ 60, -20, -29], [-38, 1, 1]]) array([[ 10, 20], [-70, 11], [-31, 11]])
Esempio 4:
import numpy as np x = np.arange('1997-10-01', '1997-12-16', dtype=np.datetime64) y = np.diff(x) y
Produzione:
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]')
Nel codice sopra
- Abbiamo importato Numpy con il nome alias np.
- Abbiamo creato una serie di date 'X' utilizzando np.arancio() funzione con il dtype 'datetime64' .
- Abbiamo dichiarato la variabile 'E' e assegnato il valore restituito di np.diff() funzione.
- Abbiamo superato l'array 'X' nella funzione.
- Infine, abbiamo provato a stampare il valore di 'E' .
Nell'output, mostra le differenze discrete tra le date.
stringa su intero in Java