diff()函数两种调用方式结果差异的原因及含义咨询

嘿，这个现象其实很好解释，核心就在于**diff()的调用时机不同，导致绘图的对象完全不一样，但求和逻辑本质是同一个东西**：

1. 为什么cumdev结果一模一样？ #

咱们先看两个场景里的df定义：

• 场景1中，你直接把df定义成了平滑归一化后序列的全局diff结果：

  df = ((data['teak-share'].rolling(...).mean() - ...)/...).diff()
  

• 场景2中，df是平滑归一化的原始序列，只在计算cumdev时才对整个df调用diff()：

  cumdev = cumdev + df.diff()[data[...]['Simulation No'].values + n].sum()
  

本质上，场景1的df 完全等于 场景2中df.diff()的结果。所以当你对两个场景里完全相同的索引位置取值求和时，结果自然完全一致——就像你先把整个数组做差再挑部分求和，和先对整个数组做差再挑部分求和，拿到的是同一组数值，求和结果当然没区别。

2. 为什么绘图结果差这么多？ #

这就更直观了：两个场景传给plot()的是完全不同的序列：

• 场景1画的是每轮trial的变化量：也就是平滑归一化后的teak-share序列，相邻trial之间的差值，展示的是“每一轮相对于上一轮的波动幅度”；
• 场景2画的是teak-share的平滑归一化累积值本身：展示的是“参与者柚木播种收获累积差的整体趋势”。

举个极简例子：如果平滑后的序列是[1, 3, 6, 10]，diff后的序列就是[NaN, 2, 3, 4]——前者是数值本身，后者是相邻差值，画出来的图肯定完全不一样，但如果取索引2和3的元素求和，前者diff后的求和是3+4=7，后者先diff再取索引2和3求和也是3+4=7，结果完全一致。

内容的提问来源于stack exchange，提问作者Arjun Mitra