在 Python 中返回 N 维数组的梯度

  • Z时代
  • 2024-01-10
  • 分类：综合

使用内部点中的二阶精确中心差异和边界处的一阶或二阶精确单侧（前向或后向）差异计算梯度。因此，返回的梯度具有与输入数组相同的形状。第一个参数 f 是一个包含标量函数样本的 N 维数组。第二个参数是可变参数，即 f 值之间的间距。所有尺寸的默认单一间距。

第三个参数是 edge_order{1, 2}，即梯度是使用边界处的 N 阶精确差异计算的。默认值：1。第四个参数是梯度，仅沿给定轴或多个轴计算。默认（axis = None）是计算输入数组所有轴的梯度。轴可能是负数，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 ndarrays 列表，该列表对应于 f 对每个维度的导数。每个导数具有与 f 相同的形状。

脚步

首先，导入所需的库 -

import numpy as np

array()使用该方法创建一个 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)

检查尺寸 -

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

获取数据类型 -

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

使用内部点中的二阶精确中心差异和边界处的一阶或二阶精确单侧（前向或后向）差异计算梯度。因此，返回的梯度具有与输入数组相同的形状 -

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

示例

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)
#检查尺寸
print("\nDimensions of our Array...\n",arr.ndim)
#获取数据类型
print("\nDatatype of our Array object...\n",arr.dtype)
#使用内部点中的二阶精确中心差异和边界处的一阶或二阶精确单侧（前向或后向）差异计算梯度。因此，返回的梯度具有与输入数组相同的形状。
print("\nResult (gradient)...\n",np.gradient(arr))
输出结果
Our Array...
[ 20. 35. 57. 70. 85. 120.]
Dimensions of our Array...
1
Datatype of our Array object...
float64
Result (gradient)...
[15. 18.5 17.5 14. 25. 35. ]

以上是 在 Python 中返回 N 维数组的梯度 的全部内容， 来源链接： utcz.com/z/297192.html

回到顶部