#compute first differences of 1d array
from numpy import *
x = arange(10)
y = zeros(len(x))
for i in range(1,len(x)):
y[i] = x[i] - x[i-1]
print y
上面的代码工作正常,但必须至少有一个简单的pythonesque方法才能做到这一点,而无需使用for循环。有什么建议么?NumPy数组中沿给定轴的一阶差分
#compute first differences of 1d array
from numpy import *
x = arange(10)
y = zeros(len(x))
for i in range(1,len(x)):
y[i] = x[i] - x[i-1]
print y
上面的代码工作正常,但必须至少有一个简单的pythonesque方法才能做到这一点,而无需使用for循环。有什么建议么?NumPy数组中沿给定轴的一阶差分
是的,这恰恰是一种循环numpy元素操作。你只需要学习采取正确的数组片。
x = numpy.arange(10)
y = numpy.zeros(x.shape)
y[1:] = x[1:] - x[:-1]
print y
y = [item - x[i - 1] for i, item in enumerate(x[1:])]
如果您需要访问一个项目的索引,而遍历它,enumerate()
是Python的方式。此外,在这种情况下,列表理解更具可读性。
此外,你不应该使用野生进口(from numpy import *
)。它总是会导入超过您的需要并导致不必要的含糊。相反,只需import numpy
或导入您需要的内容,例如
from numpy import arange, zeros
什么:
diff(x)
# array([1, 1, 1, 1, 1, 1, 1, 1, 1])
几个NumPy的内置命令将做的工作 - 特别是差异,ediff1d和梯度。
我怀疑ediff1d是用于OP描述的特定铸造更好的选择 - 沿着即,第一阶差分 - 不同于其他两个,ediff1d被acdtually定向/仅限于这种特定的情况下使用单轴(或一维阵列的轴)。
>>> import numpy as NP
>>> x = NP.random.randint(1, 10, 10)
>>> x
array([4, 6, 6, 8, 1, 2, 1, 1, 5, 4])
>>> NP.ediff1d(x)
array([ 2, 0, 2, -7, 1, -1, 0, 4, -1])
下面是我用了很多的同时,将图案:
from itertools import izip
d = [a-b for a,b in izip(x[1:],x[:-1])]
没有回答`y == [1,...,1]`? :) – Elalfer 2011-01-29 04:12:10