如何解释numpy.gradient？

Question

在本文档 http://docs.scipy.org/doc/numpy/reference/generated/numpy.gradient.html

x = np.array([1, 2, 4, 7, 11, 16], dtype=np.float) 
np.gradient(x) 
array([ 1. , 1.5, 2.5, 3.5, 4.5, 5. ]) 

的第一个例子是不输出应为：

array([ 1. , 1., 2., 3., 4., 5. ]) 

???

Answer 1

你想象得那么输出什么是运行时np.diff你会得到什么，但随后一个元素短：

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

np.gradient容貌取第i个元素，并着眼于为(i+1)的差异之间的平均'th与i'元素以及(i-1)'元素与i'元素。对于边缘值，它只能使用一个点。所以第二个数值1.5来自平均值(2-1)和(4-2)。

Answer 2

Numpy-gradient在适当的地方使用向前，向后和中心差异。

> > > X = np.array（[1，2，4，7，11，16]，D型细胞= np.float）

> > > np.gradient（x）的＃用途默认距离= 1门

阵列（[1，1.5，2.5，3.5，4.5，5.]）

对于第一项，它使用前向差分：对于最后一个项目，它使用后向差异：
（16 - 11）/ 1 = 5.
而且，对于中间的项目，应用中心差异：
（4 - 1）/ 2 = 1.5
（7 - 2）/ 2 = 2.5
（11 - 4）/ 2 = 3.5
（16 - 7）/ 2 = 4.5
的差别是除以前向和后向差异的样本距离，而是中心差异的两倍距离以获得适当的梯度。