我不確定如何使用 numpy.gradient()。
計算偏導數（二階）我使用的回圈：
for j in range(1, nx-1):
d2px[:, j] = (p[:, j - 1] - 2 * p[:, j] p[:, j 1]) / dx ** 2
for i in range(1, ny-1):
d2py[i, :] = (p[i - 1, :] - 2 * p[i, :] p[i 1, :]) / dy ** 2
我試圖用 numpy.gradient 替換它：（這里是 x）
dpx = np.gradient(p, [1, dx], axis = 0)
d2px = np.gradient(dpx, [1, dx])
但我總是有相同的錯誤資訊：
“ValueError：當為1d時，距離必須與對應維度的長度相匹配”
使用以下代碼：
x = np.linspace(0, nx, nx) # coordonnées selon x...
dpx = np.gradient(p, x, axis = 0)
d2px_test = np.gradient(dpx, x, axis = 0)
輸入 p 是：
[[ 0.00000000e 00 0.00000000e 00 0.00000000e 00 0.00000000e 00
0.00000000e 00]
[ 0.00000000e 00 6.53832270e-23 -1.19328961e-22 6.53832270e-23
0.00000000e 00]
[ 0.00000000e 00 -1.19328961e-22 2.07190726e-22 -1.19328961e-22
0.00000000e 00]
[ 0.00000000e 00 6.53832270e-23 -1.19328961e-22 6.53832270e-23
0.00000000e 00]
[ 0.00000000e 00 0.00000000e 00 0.00000000e 00 0.00000000e 00
0.00000000e 00]]
預期的輸出是：
[[ 0.00000000e 00 0.00000000e 00 0.00000000e 00 0.00000000e 00
0.00000000e 00]
[ 0.00000000e 00 -2.50095415e-20 3.69424377e-20 -2.50095415e-20
0.00000000e 00]
[ 0.00000000e 00 4.45848648e-20 -6.53039374e-20 4.45848648e-20
0.00000000e 00]
[ 0.00000000e 00 -2.50095415e-20 3.69424377e-20 -2.50095415e-20
0.00000000e 00]
[ 0.00000000e 00 0.00000000e 00 0.00000000e 00 0.00000000e 00
0.00000000e 00]]
實際輸出是：
[[ 0.00000000e 00 -8.00305329e-23 1.42671568e-22 -8.00305329e-23
0.00000000e 00]
[ 0.00000000e 00 -2.09226327e-23 3.81852676e-23 -2.09226327e-23
0.00000000e 00]
[ 0.00000000e 00 3.81852676e-23 -6.63010323e-23 3.81852676e-23
0.00000000e 00]
[ 0.00000000e 00 -2.09226327e-23 3.81852676e-23 -2.09226327e-23
0.00000000e 00]
[ 0.00000000e 00 -8.00305329e-23 1.42671568e-22 -8.00305329e-23
0.00000000e 00]]
在可視化方面：預期輸出是：
實際輸出（使用 np.gradient）是：
謝謝你的幫助。
uj5u.com熱心網友回復：
您可以簡單地矢量化操作
d2px2 = (p[:, :-2] - 2 * p[:, 1:-1] p[:, 2:]) / dx ** 2
d2py2 = (p[:-2, :] - 2 * p[1:-1, :] p[2:, :]) / dy ** 2
np.allclose(d2px2, d2px[:, 1:])
# True
np.allclose(d2py2, d2py[1:, :])
# True
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/348732.html