使用`np.差异`但是假设输入以一个额外的z开头

Question

给定一系列事件时间v，我可以使用np.diff(v)创建它们的间隔时间。有没有办法让np.diff假设序列以一个隐式的0.开头，这样它就生成一个与v长度相同的数组？在

手动解决方法是：

def diff_from_zero(v):
    return np.diff(np.hstack(([0.], v)))

有没有办法使用diff或其他函数来获得相同的结果？在

Answer 1

例如：

t = np.array([1.1, 2.0, 4.5, 4.9, 5.2])

我们要计算t中的连续差异，包括从0.到{}中第一个元素的差异。在

这个问题给出了实现这一目标的方法：

^{2}$

也可能是这样：

>>> np.hstack((t[0], np.diff(t)))

但是命名不清楚的函数^{}可以在一个函数调用中完成：

>>> np.ediff1d(t, to_begin=t[0])
array([ 1.1,  0.9,  2.5,  0.4,  0.3])

当然，在结果前面加上t[0]与计算差t[0] - 0.是一样的。（假设t是非空的）。在

---

时间安排（不是问题的动机，但我很好奇）

import numpy as np
t = np.random.randn(10000)
%timeit np.diff(np.concatenate(([0], t)))
10000 loops, best of 3: 23.1 µs per loop
%timeit np.diff(np.hstack((0, t)))
10000 loops, best of 3: 31.2 µs per loop
%timeit np.ediff1d(t, to_begin=t[0])
10000 loops, best of 3: 92 µs per loop

Answer 2

从2019年起，np.diff具有参数prepend和{}，它们可以在微分之前将某个值添加到数组中。See the docs

这将向数组追加第一个值，因此diff操作将返回以0开头的len（t）值。在

>>> t = np.array([1.1, 2.0, 4.5, 4.9, 5.2])
>>> np.diff(t, prepend=t[0])
array([0. , 0.9, 2.5, 0.4, 0.3])

prepend参数可以采用其他值。在