我想取 1D numpy 数组中不相邻值的差。
该数组是沿着时间轴从 1 到 的值的选择N。
N
对于N=12，数组可能看起来像
N=12
timeline = np.array([ 0, np.nan, np.nan, 4, np.nan, 6, np.nan, np.nan, 9, np.nan, 11, 12])
或者类似
timeline = np.array([ 0, 0, 0, 4, 0, 6, 0, 0, 9, 0, 11, 12])
期望的结果应该是：（数组的大小完整且位置很重要）
diff = np.array([ 0, 0, 0, 4, 0, 2, 0, 0, 3, 0, 2, 1])
np.diff返回相邻值的差异，并利用 NaN 值“强制”它使用最后一个“好”值，这是行不通的。
np.diff
有没有简单的方法可以做到这一点？
使用索引列表。我假设您想保持第一个值不变。
对于零间隔物：
imask = np.flatnonzero(timeline) diff = np.zeros_like(timeline) diff[imask[0]] = timeline[imask[0]] diff[imask[1:]] = timeline[imask[1:]] - timeline[imask[:-1]]
或者更优雅地将最后两行替换为：
diff[imask] = np.diff(timeline[imask], prepend=0)
对于nans 只需将第一行替换为
nan
imask = np.flatnonzero(~np.isnan(timeline))
如果您可以访问用于进行选择的原始掩码，那就更好了。将其用作参数flatnonzero。
flatnonzero
