numpy.diff

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

Вычисление n-й дискретной разницы по заданной оси.

Первая разница определяется как out[n] = a[n+1] - a[n] по заданной оси, более высокие разницы рассчитываются с помощью diff рекурсивно.

Параметры:	a : array_like Массив входных данных n : int, optional Количество раз, когда значения различаются. Если ноль, то входной массив возвращается без изменений. axis : int, optional Ось, по которой берётся разница, по умолчанию — последняя ось.
Возвращаемое значение:	diff : ndarray n-е разности. Форма выходного массива такая же, как у a, за исключением оси axis, где размерность меньше на n. Тип выходного массива совпадает с типом разности между любыми двумя элементами a. В большинстве случаев это тот же тип, что и у a. Заметным исключением является datetime64, который даёт выходной массив типа timedelta64.

См. также

gradient, ediff1d, cumsum

Примечания

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

Для массивов целых чисел без знака результаты также будут без знака. Это не должно удивлять, 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 этого не требуется, то массив следует сначала привести к типу с большей разрядностью:

>>> 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]')