Guia rápido para as diferenças do Numpy Ufunc

As diferenças NumPy ufunc são um tipo de ufunc que executa a subtração de arrays por elementos.

Existem várias diferenças ufunc disponíveis no NumPy, incluindo

Funções Visão geral
np.subtract() Executa a subtração elemento a elemento de duas matrizes.
np.diff() Calcula a n-ésima diferença discreta ao longo do eixo dado, usando diferenças centrais precisas de segunda ordem.
np.ediff1d() Calcula as diferenças entre elementos consecutivos de uma matriz. É equivalente a np.diff(x) quando x é unidimensional, mas pode ser mais rápido para alguns tipos de entrada.

Essas funções são projetadas para funcionar com arrays de qualquer formato e tamanho, tornando-os uma ferramenta poderosa para computação científica e análise de dados.

O objetivo deste artigo é resumir as diferenças do Numpy Ufunc , suas sintaxes, parâmetros e alguns exemplos.



Diferença Numpy Ufunc

É o processo de subtração de dois itens consecutivos que nos referimos como uma diferença discreta de acordo com as diferenças Numpy Ufunc.

Por exemplo, para [5, 8, 14, 16, 20], a diferença definida é [8-5, 14-8, 16-14, 20-16] = [3, 6, 2, 4].

Aplique a função diff() para calcular a diferença discreta.

Utilizando o array even_arr, calcule a diferença discreta de seus itens:

Example: 

1
2
3
4
5
6
7
import numpy as npy
random_arr = npy.array([5, 8, 14, 16, 20])
mrx_arr = npy.diff(random_arr)
print(mrx_arr)
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

Diferenças Numpy Ufunc

Confira a diferença discreta do array odd_arr :

Example: 

1
2
3
4
5
6
7
import numpy as npy
fibonacci_arr = npy.array([0, 1, 1, 2, 3, 5])
mrx_arr = npy.diff(fibonacci_arr)
print(mrx_arr)
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

Saída de diferenças Numpy Ufunc

Se fornecermos o parâmetro n, podemos executar esta operação várias vezes.

Por exemplo, para [5, 8, 14, 16, 20], a diferença discreta com n = 2 é [8-5, 14-8, 16-14, 20-16] = [3, 6, 2, 4]

Então, como n=2, repetiremos o cálculo com o novo resultado: [6-3, 2-6, 4-2] = [3, -4, 2]

Calcule duas vezes a diferença exata da seguinte matriz :

Example: 

1
2
3
4
5
6
7
import numpy as npy
factorial_arr = npy.array([1, 2, 6, 24, 120])
mrx_arr = npy.diff(factorial_arr, n=2)
print(mrx_arr)
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
Resultado: [ 3 14 78] Devido ao fato de que 2-1 = 1, 6-2 = 4, 24-6 = 18, 120-24 = 96 E 4-1=3, 18 – 4 = 14, 96- 18 = 78

Encontre a diferença discreta entre o seguinte random_arr duas vezes:

Example: 

1
2
3
4
5
6
7
import numpy as npy
random_arr = npy.array([5, 8, 14, 16, 20])
mrx_arr = npy.diff(random_arr, n=2)
print(mrx_arr)
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
Resultado: [3, -4, 2] Devido ao fato de que 8-5 = 3, 14-8 = 6, 16-14 = 2, 20-16 = 4 E 6-3 = 3, 2-6 = - 4, 4-2 = 2

Exemplo de Explicação

Primeiro, criamos um array NumPy chamado random_arr com cinco elementos: [5, 8, 14, 16, 20].

Em seguida, aplicamos a função diff ao array random_arr usando o código npy.diff(random_arr, n=2) .

Isso calcula a diferença de segunda ordem da matriz de entrada.

O parâmetro n é definido como 2 para calcular a diferença de segunda ordem.


Benefícios da diferença Numpy Ufunc

  1. Calcula as diferenças entre elementos consecutivos de uma matriz, o que é útil para uma variedade de aplicativos, como derivativos de computação ou detecção de alterações em dados de séries temporais.
  2. Oferece suporte a diferenças de ordem superior, que podem ser úteis para aplicativos que exigem vários níveis de diferenciação.
  3. É implementado em código C compilado, o que o torna muito mais rápido do que o código Python equivalente para grandes matrizes.
  4. Lida automaticamente com casos extremos, como matrizes com valores ausentes ou elementos não finitos.

Se você achou este artigo informativo e útil, sinta-se à vontade para compartilhá-lo com seus colegas no Facebook e no Twitter usando os botões abaixo.

Nós valorizamos o seu feedback.
+1
0
+1
0
+1
0
+1
0
+1
0
+1
0
+1
0

Assine a nossa newsletter
Digite seu e-mail para receber um resumo semanal de nossos melhores posts. Saber mais!
ícone