我想计算两个数组a和b的数值导数。
如果我这样做了
c = diff(a) / diff(b)
我得到了我想要的，但我失去了优势（最后一点）所以c.shape ~= a.shape。
如果我这样做
c = gradient(a, b)
然后c.shape = a.shape，但我得到了完全不同的结果。
我已经阅读了如何在 numpy 中计算梯度，我猜它做了完全不同的事情，尽管我还不太了解其中的区别。但是有没有一种方法或另一个函数来计算也给出边缘值的微分？
为什么gradient 和diff 之间的结果如此不同？
【问题讨论】：
标签： numpy numpy-ndarray
这些函数虽然相关，但执行不同的操作。
np.diff 只取沿给定轴的矩阵切片的差异，并用于n-th 差异返回沿给定轴小于n 的矩阵（您在n=1 案例中观察到的） .请看：https://docs.scipy.org/doc/numpy/reference/generated/numpy.diff.html
np.gradient 在保持其形状的同时沿其所有维度生成一组数组的梯度https://docs.scipy.org/doc/numpy/reference/generated/numpy.gradient.html 另请注意，应为一个输入数组执行np.gradient，您的第二个参数b 没有意义这里（被解释为来自*varargs 的第一个非关键字参数，用于描述第一个参数的值之间的间距），因此结果与您的直觉不符。
如果您确实需要 c.shape 匹配 a.shape，我会简单地使用 c = diff(a) / diff(b) 并将值附加到 c。例如，如果您希望渐变在窗口边缘附近消失，则可以添加零。
【讨论】：