Numpy.diff函数的原理

基本使用

np.diff()做了数组中元素的减法。比如：

m = np.array([1,3,10])
n = np.diff(m)
print(n)

对[1,3,10]数组计算后的结果是：[2 7]。显然，3-1=2，10-3=7，基本用法很简单。若要进一步使用，就要知道这个函数有哪些参数以及参数的意义。

np.diff的参数

它的用法：

x = np.diff(arr,n,axis= )

arr——进行操作的数组对象。

n——执行减法的次数。默认值是1。比如：

m = np.array([7,11,18,20])
n1 = np.diff(m)
n2 = np.diff(m,2)

n1为[4,7,2]——11-7，18-11，20-18
n2为[3,-5]——7-4，2-7

axis——轴的选择，0代表0轴，1代表1轴，以此类推。比如:

a = np.array([ [[1,1,1,1],[1,3,2,1],[3,2,0,1]],[[2,1,1,1],[5,2,2,2],[6,1,0,1]]])

a.shape是(2, 3, 4)，说明它的axis共有3个轴可供选择：0轴，1轴，2轴。且0轴对应2个维度，1轴对应3个维度，2轴对应4个维度。给axis设置不同的值，数组中元素相减的模式就会不同，最后输出结果的shape也不同。

接下来介绍每一种不同维度相减模式。

axis=0

设置axis为0，即在0轴的维度下进行元素的相减，方法是后一个维度的元素减去前一个维度的元素。

相减的过程就是：

2-1，1-1，1-1，1-1
5-1，2-3，2-2，2-1
6-3，1-2，0-0，1-1

然后得到一个数组如下图，我们设它为a1。
a1.shape是(1, 3, 4)，比原数组a在0轴上少了一个维度。

axis=1

设置axis为1，即在1轴的层面进行相邻维度的元素减法。
方法：1轴2维度的元素减去1轴1维度的元素，1轴3维度的元素减去1轴2维度的元素。

因为0轴的每个维度中都有3个1轴的维度，所以这样的减法总共进行两组。
相减的过程就是：
1-1，3-1，2-1，1-1
3-1，2-3，0-2，1-1

5-2，2-1，2-1，2-1
6-5，1-2，0-0，1-1

然后得到一个数组如下图，我们设它为a2。

a1.shape是(2, 2, 4)，比原数组a在1轴上少了一个维度。

axis=2

同理，设置为2的例子不做过多的赘述了。总之就是2轴的4个维度做3次减法，最后得到的数组是一个（2，3，3）的数组。