Numpy 4d阵列中的连续差异

如果我有一个典型的数组，我可以找到如下元素的连续差异：

ex_sig = np.array([1, 3, -2, 0, 5])
succ_diff = ex_sig[1:] - ex_sig[:-1]

---

这给了我3和1，2和3，0和-2，5和0之间的差。然而，我有一个4D阵列（功能磁共振成像数据）。我的数据（all_sig）有4个维度（10 x 10 x 10 x 500），第四维代表时间。在这种情况下，我如何计算连续差异？

您只能使用以下方法对最后一个维度进行切片：

succ_diff = ex_sig[..., 1:] - ex_sig[..., :-1]

succu diff=ex_sig[…，1:]-ex_sig[…，：-1]

---

因此，省略号（

…

）将保留其他维度而不做任何更改。因此，我们只能对最后一个维度进行切片。

您只能使用以下方法对最后一个维度进行切片：

succ_diff = ex_sig[..., 1:] - ex_sig[..., :-1]

succu diff=ex_sig[…，1:]-ex_sig[…，：-1]

---

因此，省略号（

…

）将保留其他维度而不做任何更改。因此，我们只对最后一个维度进行切片。

succu diff=ex_sig[…，1:]-ex_sig[…，：-1]

？什么是。。。代表成功了！这是一个省略号，它意味着除最后一个维度外，我们对所有维度都取所有值，因此对最后一个维度我们使用

1:

和

：-1

。谢谢！我应该如何关闭此帖子？

succ_diff=ex_sig[…，1:]-ex_sig[…，：-1]

？什么是。。。代表成功了！这是一个省略号，它意味着除最后一个维度外，我们对所有维度都取所有值，因此对最后一个维度我们使用

1:

和

：-1

。谢谢！我该如何关闭此帖子？