数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学返回Python中沿轴0的N维数组的梯度
梯度使用内部点的二阶精确中心差分以及边界处的一阶或二阶精确单侧（向前或向后）差分计算。因此，返回的梯度与输入数组具有相同的形状。第一个参数f是包含标量函数样本的N维数组。第二个参数是varargs，即f值之间的间距。所有维度的默认单位间距。
第三个参数是edge_order{1, 2}，即使用N阶精确差分在边界处计算梯度。默认值：1。第四个参数是梯度，它只沿给定的轴或轴计算。默认值（axis = None）是计算输入数组所有轴的梯度。axis可以为负数，在这种情况下，它从最后一个轴计数到第一个轴。该方法返回一个ndarray列表，对应于f相对于每个维度的导数。每个导数都与f具有相同的形状。
步骤
首先，导入所需的库：
import numpy as np
使用array()方法创建一个numpy数组。我们添加了浮点类型的元素：
arr = np.array([[20, 35, 57], [70, 85, 120]], dtype = float)
显示数组：
print("Our Array...\n",arr)检查维度：
print("\nDimensions of our Array...\n",arr.ndim)
获取数据类型：
print("\nDatatype of our Array object...\n",arr.dtype)梯度使用内部点的二阶精确中心差分以及边界处的一阶或二阶精确单侧（向前或向后）差分计算。因此，返回的梯度与输入数组具有相同的形状：
print("\nResult (gradient)...\n",np.gradient(arr, axis = 0))示例
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))输出
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.]]
更新于：2022年2月24日
237 次浏览
广告