Python：计算 3D 网格的梯度

Question

我有一个粒子立方体，我已将其投影到 2D 网格上，通过单元格中的云将粒子投影到网格上，并通过标量对它们进行加权。

然后我想要每个网格点的标量梯度。在 2D 中，我使用 np.gradient 执行此操作，我得到两个数组，其中 x 和 y 方向的渐变：

gradx, grady = np.gradient(grid)

有人知道如何将其概括为 3 维吗？ 3D 单元格中的云很好，但我留下了一个形状为 (700, 700, 700) 的网格。

据我所知np.gradient 无法处理这个问题？

谢谢， 丹尼尔

Answer 1

Numpy 文档表明gradient 适用于任何维度：

numpy.gradient(f, *varargs)

返回一个 N 维数组的梯度。

梯度是使用内部和内部的中心差计算的 边界处的第一个差异。因此返回的梯度有 与输入数组的形状相同。

参数：

f: array_like. 包含样本的 N 维数组 一个标量函数。

*varargs: 0、1 或 N 个标量，指定每个方向上的样本距离，即：dx、dy、dz、... 默认距离为 1。

返回：

g: ndarray. N 个数组 与 f 相同的形状给出 f 对每个的导数 维度。

似乎您应该能够像您期望的那样将您的二维码扩展到 3D。