问如何解释numpy.gradient？

EN

您期望的输出是在运行np.diff时得到的，但是接下来一个元素会更短：

np.diff(arr)
>>> array([ 1.,  2.,  3.,  4.,  5.])

np.gradient查看i'th元素，并查看(i+1)'th与i'th元素和(i-1)'th与i元素之间差异的平均值。对于边缘值，它只能使用一个点。因此，1.5的第二个值来自于平均(2-1)和(4-2)。

Numpy-梯度在适当的地方使用forward、backward和central差异。

输入：

x = np.array([1, 2, 4, 7, 11, 16], dtype=np.float)
np.gradient(x)      # this uses default distance=1

输出：

数组( 1.，1.5，2.5，3.5，4.5，5. )

对于第一项，它使用前向差分：

(2-1)/ 1 =1。

对于最后一项，它使用向后差分：

(16-11)/1= 5。

此外，对于两者之间的项目，采用的主要区别是：

(4 - 1) /2= 1.5

(7-2)/2= 2.5

(11-4)/2= 3.5

(16-7)/2= 4.5

将差异除以前向和后向差的样本距离(default=1)，但中心差分的距离是中心差分的两倍，以获得适当的梯度。