我想计算两个数组a和b的数值导数。
如果我这样做
c = diff(a) / diff(b)
我得到了想要的东西，但是我松开了边缘（最后一点），所以c.shape ~= a.shape。
如果我愿意
c = gradient(a, b)
然后是c.shape = a.shape，但结果却截然不同。
我已经阅读了如何用numpy计算梯度，我想它做的是完全不同的事情，尽管我还不太清楚区别。但是，有没有一种方法或另一种函数来计算微分，该微分也给出边缘的值？
为什么gradient和diff之间的结果如此不同？
答案 0 :(得分：1)
这些功能虽然相关，但执行不同的操作。
np.diff只是沿给定轴取矩阵切片的差，并用于第n个差，就沿给定轴返回矩阵，其矩阵要小n（在n=1情况）。请参阅：https://docs.scipy.org/doc/numpy/reference/generated/numpy.diff.html
np.gradient会在保持数组形状https://docs.scipy.org/doc/numpy/reference/generated/numpy.gradient.html的同时，在数组的所有维度上产生一组渐变，请注意，np.gradient应该对一个输入数组（第二个参数{ {1}}在这里没有意义（被解释为来自b的第一个非关键字参数，其目的是描述第一个参数的值之间的间隔），因此结果与您的直觉不符。
如果您确实需要*varargs与c = diff(a) / diff(b)匹配，我将只使用c并将值附加到c.shape。例如，如果您希望渐变在窗口边缘附近消失，则可以添加零。