应用np.gradient函数的不一致

Question

以前，我一直在手工计算一组点之间的梯度。我偶然发现在numpy库中存在一个np.gradient函数。

很高兴，我在本地计算机上尝试了此操作，其工作方式如下：

dataframe['Scrubber_Gradient_20m_mean'] = np.gradient(dataframe['ScrubberLevel'].rolling(center=False,window=2).mean())

这返回的滚动梯度值正是我所追求的。但是，我现在将一些代码移到了Spyder Environment上的AWS部署中，该版本与本地计算机具有相同的numpy版本，即使代码相同，也会突然引发错误：

ValueError: Shape of array too small to calculate a numerical gradient, at least (edge_order + 1) elements are required.

但是，对我来说没有意义的是，当我在某个功能的外部代码中，并且只是在控制台中运行该代码时，计算正常。数组不是“太小”，至少从我所看到的来看不是。

我不明白原因。有人会对这种潜在的不一致行为有任何理由吗？

到目前为止，我已经尝试了以下方法：

1. 在两个AWS上检查两个Python版本/ Numpy版本是否相同 服务器和本地计算机
2. 确认两个数据集的内部函数/外部函数都相同
3. 检查内部函数/外部函数的梯度函数

我的numpy版本是：我的本地计算机和AWS服务器上均为1.15.1。

我附上了虚拟数据的快照，以便可以复制它。请使用ScrubberLevel列。 Link to Data

这是我用来在本地计算机上运行的代码：

df_condabri_central_T1['Scrubber_Gradient_hour_mean'] = np.gradient(df_condabri_central_T1['ScrubberLevel'].rolling(center=False,window=6).mean())

这是我曾经在函数中的AWS Spyder Environment上运行的代码：

def feature_eng(dataframe):
#There are other features but for the sake of my problem I have restricted it to this variable
dataframe['ScrubberLevel'] = np.gradient(dataframe['ScrubberLevel'].rolling(center=False,window=2).mean())
return dataframe

现在，当我在AWS Spyder的控制台中运行此 时，没有任何问题，如下所示。

但是，当我尝试通过函数运行它时，得到以下信息：