numpy.diff

numpy.diff(a, n=1, axis=-1) [source]

Вычисление n-й дискретной разности вдоль заданной оси.

Первая разность задается out[n] = a[n+1] - a[n] вдоль заданной оси, более высокие разности рассчитываются с помощью diff рекурсивно.

Параметры:	a : array_like Входной массив n : int, необязательно Количество раз, когда значения различаются. Если ноль, вход возвращается как есть. axis : int, необязательно Ось, вдоль которой выполняется разность, по умолчанию - последняя ось.
Возвращает:	diff : ndarray n-я разность. Форма выходного значения такая же, как a, за исключением axis, где размерность меньше на n. Тип выходного значения такой же, как тип разности между любыми двумя элементами a. В большинстве случаев это такой же тип, как a . Заметное исключение - datetime64, что приводит к timedelta64 выходному массиву.

См. также

gradient, ediff1d, cumsum

Примечания

Тип сохраняется для логических массивов, поэтому результат будет содержать False при совпадении последовательных элементов и True при их различии.

Для массивов с беззнаковыми целыми числами результаты также будут беззнаковыми. Это не должно быть неожиданным, так как результат соответствует прямому вычислению разности:

>>> u8_arr = np.array([1, 0], dtype=np.uint8)
>>> np.diff(u8_arr)
array([255], dtype=uint8)
>>> u8_arr[1,...] - u8_arr[0,...]
array(255, np.uint8)

Если это нежелательно, массив следует сначала привести к большему целочисленному типу:

>>> i16_arr = u8_arr.astype(np.int16)
>>> np.diff(i16_arr)
array([-1], dtype=int16)

Примеры

>>> x = np.array([1, 2, 4, 7, 0])
>>> np.diff(x)
array([ 1,  2,  3, -7])
>>> np.diff(x, n=2)
array([  1,   1, -10])

>>> x = np.array([[1, 3, 6, 10], [0, 5, 6, 8]])
>>> np.diff(x)
array([[2, 3, 4],
       [5, 1, 2]])
>>> np.diff(x, axis=0)
array([[-1,  2,  0, -2]])

>>> x = np.arange('1066-10-13', '1066-10-16', dtype=np.datetime64)
>>> np.diff(x)
array([1, 1], dtype='timedelta64[D]')