Python NumPy gradient方法用法及代碼示例

Numpy 的 gradient(~) 方法計算給定數據點的梯度，其中梯度定義為 y 的變化相對於 x 的變化。

1. f | array-like

函數輸出(y-values)。

2. varargs | scalar 的array | optional

f 中點對之間的間距。默認情況下，varargs=1 。

3. edge_order | int | optional

用於邊計算的精度順序。允許的值為 1 和 2。默認情況下為 edge_order=2 。

4. axis | None 或int 或tuple 或int | optional

計算梯度的軸。

保存數據點梯度的 Numpy 數組。

要使用默認值 1 的 step-size 計算梯度：

y = [1,2,4,9,16]
np.gradient(y)



array([1. , 1.5, 3.5, 6. , 7. ])

在幕後，數字的計算方式如下：

(y[1] - y[0]) / 1 = 1.0
(y[2] - y[0]) / 2 = 1.5
(y[3] - y[1]) / 2 = 3.5
(y[4] - y[2]) / 2 = 6.0
(y[4] - y[3]) / 1 = 7.0

請注意，在邊界處，僅計算第一個差值。

我們可以指定自己的 x-values，而不是默認的 step-size 1：

x = [5,10,20,30]
y = [1,2,4,9]
np.gradient(y, x)



array([0.2 , 0.2 , 0.35, 0.5 ])

在幕後，數字的計算方式如下：

(y[1] - y[0]) / (x[1] - x[0]) = 0.2
(y[2] - y[0]) / (x[2] - x[0]) = 0.2
(y[3] - y[1]) / (x[3] - x[1]) = 0.35
(y[3] - y[2]) / (x[3] - x[2]) = 0.5

相關用法

注：本文由純淨天空篩選整理自Isshin Inada大神的英文原創作品 NumPy | gradient method。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。