numpy.ma.diff

ma.diff(a, /, n=1, axis=-1, prepend=<no value>, append=<no value>)[source]

Вычисляет n-ую дискретную разность вдоль заданной оси. Первая разность задается значением out[i] = a[i+1] - a[i] вдоль заданной оси, более высокие разности вычисляются, рекурсивно используя diff. Сохраняет маску входных данных.

Параметры:

aarray_like

Входной массив

nint, необязательно

Количество раз вычисления разности. Если ноль, возвращается входной массив.

axisint, необязательно

Ось, вдоль которой вычисляется разность, по умолчанию последняя ось.

prepend, appendarray_like, необязательно

Значения для добавления в начало или конец a вдоль оси перед вычислением разности. Скалярные значения расширяются до массивов длиной 1 в направлении оси и формы входного массива вдоль всех других осей. В противном случае размерность и форма должны совпадать a за исключением оси.

Возвращает:

diffMaskedArray

n-ые разности. Форма выходного массива такая же, как a за исключением axis, где размерность меньше на n. Тип выходного массива такой же, как тип разности между любыми двумя элементами a. Это совпадает с типом a в большинстве случаев. Заметное исключение — datetime64, что приводит к выходному массиву типа timedelta64.

См. также

numpy.diff

Эквивалентная функция в модуле NumPy верхнего уровня.

Примечания

Тип сохраняется для булевых массивов, поэтому результат будет содержать False когда последовательные элементы одинаковы и True когда они отличаются.

Для массивов целых чисел без знака результаты также будут без знака. Это не должно вызывать удивления, поскольку результат соответствует прямому вычислению разности:

>>> u8_arr = np.array([1, 0], dtype=np.uint8)
>>> np.ma.diff(u8_arr)
masked_array(data=[255],
             mask=False,
       fill_value=np.int64(999999),
            dtype=uint8)
>>> u8_arr[1,...] - u8_arr[0,...]
255

Если это нежелательно, то массив следует предварительно привести к типу с большей разрядностью:

>>> i16_arr = u8_arr.astype(np.int16)
>>> np.ma.diff(i16_arr)
masked_array(data=[-1],
             mask=False,
       fill_value=np.int64(999999),
            dtype=int16)

Примеры

>>> a = np.array([1, 2, 3, 4, 7, 0, 2, 3])
>>> x = np.ma.masked_where(a < 2, a)
>>> np.ma.diff(x)
masked_array(data=[--, 1, 1, 3, --, --, 1],
        mask=[ True, False, False, False,  True,  True, False],
    fill_value=999999)

>>> np.ma.diff(x, n=2)
masked_array(data=[--, 0, 2, --, --, --],
            mask=[ True, False, False,  True,  True,  True],
    fill_value=999999)

>>> a = np.array([[1, 3, 1, 5, 10], [0, 1, 5, 6, 8]])
>>> x = np.ma.masked_equal(a, value=1)
>>> np.ma.diff(x)
masked_array(
    data=[[--, --, --, 5],
            [--, --, 1, 2]],
    mask=[[ True,  True,  True, False],
            [ True,  True, False, False]],
    fill_value=1)

>>> np.ma.diff(x, axis=0)
masked_array(data=[[--, --, --, 1, -2]],
        mask=[[ True,  True,  True, False, False]],
    fill_value=1)