数字渐变在适当的情况下使用forward、backward和central差值。
输入：

x = np.array([1, 2, 4, 7, 11, 16], dtype=np.float)
np.gradient(x)      # this uses default distance=1

输出：
数组（[ 1.，1.5，2.5，3.5，4.5，5. ]）
对于第一项，它使用前向（当前-〉下一个）差值：

• 先前号码：无
• 当前（第一个）号码：1
• 下一个号码：2
  （2 - 1）/ 1 = 1。
  对于最后一项，它使用向后（前一项-〉当前项）差值：
• 先前号码：11
• 当前（最后）号码：16
• 下一个号码：无
  (16- 11）/ 1 = 5。
  并且，对于中间的项目，应用中心差异：
• 先前号码：1
• 当前编号：2
• 下一个号码：4
  （4 - 1）/ 2 = 1.5
• 先前号码：2
• 当前编号：4
• 下一个号码：7
  （7 - 2）/ 2 = 2.5
  ...
  等等：
  (11- 4）/ 2 = 3.5
  (16-7）/ 2 = 4.5
  对于向前和向后差异，将差异除以采样距离（默认值=1），但对于中心差异，将距离除以两倍，以获得适当的梯度。

您所期望的输出与运行np.diff时所得到的输出相同，但是少了一个元素：

np.diff(arr)
>>> array([ 1.,  2.,  3.,  4.,  5.])

np.gradient looks取第i个元素，并查看第(i+1)个元素与第i个元素的差值以及第(i-1)个元素与第i个元素的差值之间的平均值。对于边缘值，它只能使用一个点。因此，第二个值1.5来自(2-1)和(4-2)的平均值。