Различия первого порядка вдоль данной оси в массиве NumPy

#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

Приведенный выше код работает, но для этого должен быть хотя бы один простой, питонезкий способ без использования цикла for. Какие-либо предложения?

Ответ 1

Да, это точно такой тип циклов, который используется для элементарных операций. Вам просто нужно научиться принимать правильные срезы массивов.

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

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

print y

Ответ 2

Как насчет:

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

Ответ 3

несколько встроенных NumPy будут выполнять задание - в частности, diff, ediff1d и градиент.

Я подозреваю, что ediff1d - лучший выбор для конкретного броска, описанного в OP - в отличие от других двух, ediff1d автоматически направлен/ограничен этим конкретным вариантом использования - то есть, в первом порядке различия по одной оси (или оси 1D массива).

>>> 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])

Ответ 4

Вот шаблон, который я использовал некоторое время:

from itertools import izip

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

Ответ 5

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

Если вам нужно получить доступ к индексу элемента во время его цикла, enumerate() - это метод Pythonic. Кроме того, понимание списка в этом случае более читаемо.

Кроме того, вы никогда не должны использовать дикий импорт (from numpy import *). Он будет всегда импортировать больше, чем вам нужно, и приводит к ненужной двусмысленности. Скорее просто import numpy или импортируйте то, что вам нужно, например

from numpy import arange, zeros