此问题在此处已有答案：
Reproducing Multidimensional Gradient Results in Python（1个答案）
上个月关门了。
我试图使用numpy.gradient在python中重现matlab梯度函数的结果，但我得到的结果与Matlab提出的结果非常不同。
不幸的是，我没有再安装一个工作的Matlab，所以我不能检查它的细节。
给定3个数字（沿三个方向沿着）：
dx=1e-7
dy=1e-7
dz=1e-3,字符串
matlab代码是：
[F1, F2, F3] = gradient(F, dx,dy,dz)型
Python中的等价表达式是什么？
我使用：
F1, F2, F3 = np.gradient(F, dx, dy, dz)型
但我得到的图表远非可比。
2条答案
按热度按时间pbpqsu0x1#
假设F是一个二维矩阵，Matlab的
[FX,FY] = gradient(F)函数给出的结果与[FY,FX]=numpy.gradient(F, edge_order=1)相同。oyjwcjzk2#
对于Numpy documentation，
numpy.gradient()使用内部点的中心差计算数值梯度，并允许您使用edge_order选项选择边界处的精度：numpy.gradient(f, *varargs, axis=None, edge_order=1)个Matlab使用中心差分，它的精度高达二阶，所以如果你设置
edge_order = 2，你应该得到与Matlab的输出相同的结果。[F1, F2, F3] = np.gradient(F, dx, dy, dz, edge_order=2)个