Vitajte na [www.pocitac.win] Pripojiť k domovskej stránke Obľúbené stránky
Tu je dôvod a ako sa týka rôznych typov údajov:
* Jednorozmerná sekvencia: Toto je najpriamejší prípad. Pomyslite na zoznam čísel (napr. Ceny akcií v priebehu času, čítanie senzorov). Funkcia `diff` vypočíta rozdiel medzi po sebe idúcimi prvkami v sekvencii. To zdôrazňuje zmeny alebo mieru zmeny.
* Multi-dimenzionálne pole (matice, tenzory): Aj keď máte viacrozmerné pole, funkcia `diff` pracuje * pozdĺž * špecifickej osi alebo rozmeru. Preto potrebujete aspoň jednu dimenziu, aby ste mali zmysluplné sekvenčné poradie. Napríklad:
* Obrazové údaje: Ak máte obrázok (2D pole hodnôt pixelov), môžete vypočítať horizontálne `diff` (rozdiel medzi susednými pixelmi v riadku) alebo vertikálne (rozdiel medzi susednými pixelmi v stĺpci). Každý riadok alebo stĺpec predstavuje sekvenciu.
* časové rady s viacerými funkciami: Môžete mať údaje s časovými pečiatkami a viacerými meraniami (napr. Teplota, tlak, vlhkosť). V priebehu času môžete vypočítať „rozdielny“ každej funkcie (pozdĺž časovej dimenzie).
* Prečo je sekvencia rozhodujúca: Základnou myšlienkou „diff“ je nájsť rozdiel medzi * usporiadanými * prvkami. Ak neexistuje inherentný poriadok alebo sekvencia, „rozdiel“ sa stáva nezmyselným v kontexte analýzy zmien.
v súhrne:
Minimálna požiadavka je jednorozmerná sekvencia alebo v prípade multi-dimenzionálnych údajov jasne definovaný rozmer, v ktorom sa má vypočítať „diff`, čo naznačuje sekvenciu v tejto dimenzii. Bez sekvenčného poradia je výsledkom iba ľubovoľný súbor rozdielov a nie je reprezentatívny pre mieru zmeny alebo progresie.