คืนค่า Gradient ของอาร์เรย์ N มิติบนแกน 0 ใน Python

Gradient คำนวณโดยใช้ central differences อันดับสองที่แม่นยำที่จุดภายใน และ first หรือ second order accurate one-sided differences (forward หรือ backward) ที่ขอบเขต Gradient ที่คืนค่ามีรูปร่างเท่ากับอาร์เรย์อินพุต พารามิเตอร์แรก f คืออาร์เรย์ N มิติที่มีตัวอย่างของฟังก์ชันสเกลาร์ พารามิเตอร์ที่สองคือ varargs ระยะห่างระหว่างค่า f ค่าเริ่มต้น unitary spacing สำหรับทุกมิติ

พารามิเตอร์ที่สาม edge_order {1, 2} Gradient คำนวณด้วย N-th order accurate differences ที่ขอบเขต ค่าเริ่มต้น: 1 พารามิเตอร์ที่สี่คือ Gradient คำนวณเฉพาะแกนที่กำหนด ค่าเริ่มต้น (axis=None) คำนวณ gradient สำหรับทุกแกนของอินพุต axis อาจเป็นลบ นับจากแกนสุดท้ายไปแกนแรก เมธอดส่งคืนลิสต์ของ ndarrays ตรงกับอนุพันธ์ของ f ตามแต่ละมิติ แต่ละอนุพันธ์มีรูปร่างเท่า f

ขั้นตอน

ขั้นแรก ให้นำเข้าไลบรารี:

import numpy as np

สร้างอาร์เรย์ NumPy ด้วย array() เพิ่มองค์ประกอบชนิด float:

arr = np.array([[20, 35, 57], [70, 85, 120]], dtype=float)

แสดงอาร์เรย์:

print("Our Array...\n", arr)

ตรวจสอบมิติ:

print("\nDimensions of our Array...\n", arr.ndim)

ตรวจสอบชนิดข้อมูล:

print("\nDatatype of our Array object...\n", arr.dtype)

คำนวณ gradient บนแกน 0:

print("\nResult (gradient)...\n", np.gradient(arr, axis=0))

ตัวอย่างโค้ดเต็ม

import numpy as np
# สร้างอาร์เรย์ NumPy ด้วย array()
# เพิ่มองค์ประกอบชนิด float
arr = np.array([[20, 35, 57], [70, 85, 120]], dtype=float)
# แสดงอาร์เรย์
print("Our Array...\n", arr)
# ตรวจสอบมิติ
print("\nDimensions of our Array...\n", arr.ndim)
# ตรวจสอบชนิดข้อมูล
print("\nDatatype of our Array object...\n", arr.dtype)
# Gradient คำนวณด้วย central differences อันดับสองที่จุดภายใน
# และ one-sided differences ที่ขอบเขต ผลลัพธ์มีรูปร่างเท่าอินพุต
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.]]