在 Numpy 中设置值差分次数后计算第 n 个离散差分
numpyserver side programmingprogramming
要计算沿给定轴的第 n 个离散差分，请使用 Python Numpy 中的 MaskedArray.diff() 方法。"n" 参数用于设置值差分次数。如果为零，则按原样返回输入。
该函数返回第 n 个差分。输出的形状与 a 相同，但沿轴的维度小 n。输出的类型与 a 中任意两个元素之间的差分类型相同。在大多数情况下，这与输入的类型相同。一个值得注意的例外是 datetime64，它会产生一个 timedelta64 输出数组。
prepend、append 参数是在执行差分之前沿轴添加或附加到输入的值。标量值扩展为长度为 1 的数组，其方向为轴，输入数组的形状沿所有其他轴。否则，维度和形状必须匹配，但沿轴除外。
步骤
首先，导入所需的库 −
import numpy as np import numpy.ma as ma
使用 numpy.array() 方法创建一个包含 int 元素的数组−
arr = np.array([[65, 68, 81], [93, 33, 76], [73, 88, 51], [62, 45, 67]])
print("数组...
", arr)
创建一个掩码数组，并将其中一些掩码为无效 −
maskArr = ma.masked_array(arr, mask =[[1, 0, 0], [ 0, 0, 0], [0, 1, 0], [0, 0, 0]])
print("
我们的掩码数组...
", maskArr)
获取掩码数组的类型 −
print("
我们的掩码数组类型...
", maskArr.dtype)
获取掩码数组的维度 −
print("
我们的掩码数组维度...
",maskArr.ndim)
获取掩码数组的形状 −
print("
我们的掩码数组形状...
",maskArr.shape)
获取掩码数组的元素数量−
print("
掩码数组中的元素数量...
",maskArr.size)
要计算沿给定轴的第 n 个离散差值，请使用 Python Numpy 中的 MaskedArray.diff() 方法。"n" 参数用于设置值相差的次数。如果为零，则按原样返回输入:
print("
结果..
.", np.diff(maskArr, n = 2))
示例
import numpy as np
import numpy.ma as ma
# 使用 numpy.array() 方法创建一个包含 int 元素的数组
arr = np.array([[65, 68, 81], [93, 33, 76], [73, 88, 51], [62, 45, 67]])
print("数组...
", arr)
# 创建一个掩码数组，并将其中一些掩码为无效
maskArr = ma.masked_array(arr, mask =[[1, 0, 0], [ 0, 0, 0], [0, 1, 0], [0, 0, 0]])
print("
我们的掩码数组...
", maskArr)
# 获取掩码数组的类型
print("
我们的掩码数组类型...
", maskArr.dtype)
# 获取掩码数组的维度
print("
我们的掩码数组维度...
",maskArr.ndim)
# 获取掩码数组的形状
print("
我们的掩码数组形状...
",maskArr.shape)
# 获取掩码数组的元素数量
print("
掩码数组中的元素数量...
",maskArr.size)
# 要计算沿给定轴的第 n 个离散差值，请使用 Python Nump 中的 MaskedArray.diff() 方法
# "n" 参数用于设置值相差的次数。
# 如果为零，则按原样返回输入。
print("
结果..
.", np.diff(maskArr, n = 2))
输出
数组... [[65 68 81] [93 33 76] [73 88 51] [62 45 67]] 我们的掩码数组... [[-- 68 81] [93 33 76] [73 -- 51] [62 45 67]] 我们的掩码数组类型... int64 我们的掩码数组维度... 2 我们的掩码数组形状... (4, 3) 掩码数组中的元素数量... 12 结果.. . [[--] [103] [--] [39]]
