differenze di primo ordine lungo un asse determinato in NumPy matrice

Question

#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 

I lavori di codice di cui sopra ma ci deve essere almeno un modo facile Pythonesque per fare questo senza dover utilizzare un ciclo. Eventuali suggerimenti?

Answer 1

Sì, questo è esattamente il tipo di operazioni di comando loop numpy elementwise. Hai solo bisogno di imparare a prendere le giuste fette degli array.

x = numpy.arange(10) 
y = numpy.zeros(x.shape) 

y[1:] = x[1:] - x[:-1] 

print y 

Answer 2

y = [item - x[i - 1] for i, item in enumerate(x[1:])] 

Se è necessario accedere al indice di un elemento, mentre loop su di esso, enumerate() è il modo Pythonic. Inoltre, una comprensione delle liste è, in questo caso, più leggibile.

Inoltre, non utilizzare mai le importazioni selvagge (from numpy import *). Importerà sempre più del necessario e causerà inutili ambiguità. Piuttosto, solo import numpy o importa ciò che ti serve, ad es.

from numpy import arange, zeros 

Answer 3

Che dire:

diff(x) 
# array([1, 1, 1, 1, 1, 1, 1, 1, 1]) 

Answer 4

diversi comandi incorporati numpy farà il lavoro - in particolare, diff, ediff1d, e gradiente.

Sospetto ediff1d è la scelta migliore per il getto specifico descritto nel PO - differenza degli altri due, ediff1d è acdtually diretta/limitata a questo specifico caso d'uso - differenze esempio, del primo ordine lungo un singolo asse (o asse di una matrice 1D).

>>> 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]) 

Answer 5

Ecco un modello che ho usato un sacco per un po ':

from itertools import izip

d = [a-b for a,b in izip(x[1:],x[:-1])]