การไล่ระดับสีคำนวณโดยใช้ความแตกต่างจากศูนย์กลางที่แม่นยำลำดับที่สองในจุดภายใน และความแตกต่างด้านเดียว (ไปข้างหน้าหรือข้างหลัง) ที่ถูกต้องลำดับที่หนึ่งหรือสองที่ขอบเขต การไล่ระดับสีที่ส่งคืนจึงมีรูปร่างเหมือนกันกับอาร์เรย์อินพุต พารามิเตอร์ตัวที่ 1 f คืออาร์เรย์ N มิติที่มีตัวอย่างของฟังก์ชันสเกลาร์ พารามิเตอร์ตัวที่ 2 คือ varargs เช่น ระยะห่างระหว่างค่า f ระยะห่างรวมเริ่มต้นสำหรับทุกมิติ
พารามิเตอร์ตัวที่ 3 คือ edge_order{1, 2} เช่น การไล่ระดับสีคำนวณโดยใช้ความแตกต่างที่แม่นยำลำดับที่ N ที่ขอบเขต ค่าเริ่มต้น:1. พารามิเตอร์ที่ 4 คือการไล่ระดับสี ซึ่งคำนวณตามแกนหรือแกนที่กำหนดเท่านั้น ค่าเริ่มต้น (axis =none) คือการคำนวณการไล่ระดับสีสำหรับแกนทั้งหมดของอาร์เรย์อินพุต แกนอาจเป็นลบ ซึ่งในกรณีนี้จะนับจากแกนสุดท้ายถึงแกนแรก เมธอดส่งคืนรายการ ndarrays ที่สอดคล้องกับอนุพันธ์ของ f เทียบกับแต่ละมิติ อนุพันธ์แต่ละตัวมีรูปร่างเหมือนกันกับ f.
ขั้นตอน
ขั้นแรก นำเข้าไลบรารีที่จำเป็น -
import numpy as np
การสร้างอาร์เรย์ numpy โดยใช้เมธอด array() เราได้เพิ่มองค์ประกอบประเภททุ่น -
arr = np.array([[20, 35, 57], [70, 85, 120]], dtype = float)
แสดงอาร์เรย์ -
print("Our Array...\n",arr) ตรวจสอบขนาด -
print("\nDimensions of our Array...\n",arr.ndim)
รับประเภทข้อมูล -
print("\nDatatype of our Array object...\n",arr.dtype) การไล่ระดับสีคำนวณโดยใช้ความแตกต่างจากศูนย์กลางที่แม่นยำลำดับที่สองในจุดภายใน และความแตกต่างด้านเดียว (ไปข้างหน้าหรือข้างหลัง) ที่ถูกต้องลำดับที่หนึ่งหรือสองที่ขอบเขต การไล่ระดับสีที่ส่งคืนจึงมีรูปร่างเหมือนกับอาร์เรย์อินพุต -
print("\nResult (gradient)...\n",np.gradient(arr, axis = 0)) ตัวอย่าง
import numpy as np
# Creating a numpy array using the array() method
# We have added elements of float type
arr = np.array([[20, 35, 57], [70, 85, 120]], dtype = float)
# Display the array
print("Our Array...\n",arr)
# Check the Dimensions
print("\nDimensions of our Array...\n",arr.ndim)
# Get the Datatype
print("\nDatatype of our Array object...\n",arr.dtype)
# The gradient is computed using second order accurate central differences in the interior points and either first or second order accurate one-sides (forward or backwards) differences at the boundaries. The returned gradient hence has the same shape as the input array.
print("\nResult (gradient)...\n",np.gradient(arr, axis = 0)) ผลลัพธ์
Our Array... [[ 20. 35. 57.] [ 70. 85. 120.]] Dimensions of our Array... 2 Datatype of our Array object... float64 Result (gradient)... [[50. 50. 63.] [50. 50. 63.]]
