Python Numpy-计算固定距离数组中所有可能的差异

假设我有一个数组，我想计算距离

Delta

的元素之间的差异。我可以使用

numpy.diff（数组[：：Delta-1]）

，但这不会给出所有可能的差异（从每个可能的起点）。为了得到它们，我可以想到这样的东西：

for j in xrange(Delta-1):
    NewDiff = numpy.diff(Array[j::Delta-1])
    if j==0:
        Diff = NewDiff
    else:
        Diff = numpy.hstack((Diff,NewDiff))

---

但如果这是最有效的方法，我会感到惊讶。熟悉

numpy

最开放功能的人有什么想法吗？

以下函数返回一个二维numpy数组

diff

，其中包含列表或numpy数组

a

的所有可能组合之间的差异。例如，

diff[3,2]

将包含

a[3]-a[2]

的结果，依此类推

def difference_matrix(a):
    x = np.reshape(a, (len(a), 1))
    return x - x.transpose()

更新 我似乎误解了这个问题，您只是想了解数组元素之间的差异，这些元素之间有一定的距离

d

。1）

这可以通过以下方式实现：

>>> a = np.array([1,3,7,11,13,17,19])
>>> d = 2
>>> a[d:] - a[:-d]
array([6, 8, 6, 6, 6])

请看一看，了解有关此符号的更多信息

但是，我上面发布的差分矩阵函数不会是徒劳的。事实上，您要查找的数组是

差分矩阵

返回的矩阵的对角线

>>> a = [1,3,7,11,13,17,19]
>>> d = 2
>>> m = difference_matrix(a)
>>> np.diag(m, -d)
array([6, 8, 6, 6, 6])

---

1） 根据您的评论判断，此距离

d

与您使用的

Delta

不同，d=Delta-1，因此元素与自身之间的距离为0，与相邻元素的距离为1。

以下函数返回一个二维numpy数组

diff

，其中包含列表或numpy数组

a

的所有可能组合之间的差异。例如，

diff[3,2]

将包含

a[3]-a[2]

的结果，依此类推

def difference_matrix(a):
    x = np.reshape(a, (len(a), 1))
    return x - x.transpose()

更新 我似乎误解了这个问题，您只是想了解数组元素之间的差异，这些元素之间有一定的距离

d

。1）

这可以通过以下方式实现：

>>> a = np.array([1,3,7,11,13,17,19])
>>> d = 2
>>> a[d:] - a[:-d]
array([6, 8, 6, 6, 6])

请看一看，了解有关此符号的更多信息

但是，我上面发布的差分矩阵函数不会是徒劳的。事实上，您要查找的数组是

差分矩阵

返回的矩阵的对角线

>>> a = [1,3,7,11,13,17,19]
>>> d = 2
>>> m = difference_matrix(a)
>>> np.diag(m, -d)
array([6, 8, 6, 6, 6])

---

1） 根据您的评论判断，此距离

d

与您使用的

Delta

不同，

d=Delta-1

，因此元素与自身之间的距离为0，与相邻元素之间的距离为1。

我不确定是否理解此代码，但在我看来，这是在做别的事情。它正在计算邻居之间的差异。这里的目的不同：给定一个距离Delta，我想计算所有的差异。假设我有一个向量

[1,3,7,11,13,17,19]

和

Delta=3

。我想得到

[6,8,6,6,6]

（顺序无关）@AJC好吧，我误解了你的问题。我已经相应地更新了我的答案。以前，它只回答了所有可能距离的更一般情况，而不是给定距离。事实上，为什么我要用numpy.diff使我的生活复杂化？我不确定我是否理解这段代码，但在我看来这是在做其他事情。它正在计算邻居之间的差异。这里的目的不同：给定一个距离Delta，我想计算所有的差异。假设我有一个向量

[1,3,7,11,13,17,19]

和

Delta=3

。我想得到

[6,8,6,6,6]

（顺序无关）@AJC好吧，我误解了你的问题。我已经相应地更新了我的答案。以前，它只回答了所有可能距离的更一般的情况，而不是给定的距离。事实上，为什么我要用numpy.diff使我的生活复杂化？