使用numpy的Python差异化不会产生预期的输出

Question

所以，我正在进行一些数值计算。 我已经计算了一个函数（ return_times ）的大约100,000个点，只能用数字计算，现在想要使用numpy.gradient来获取它的派生。 据我所知（ doc ），对于f（x），我可以给出以下参数： numpy.gradient(arr_of_fx_datapoints, arr_of_their_x_values)以使其工作。 这就是我（打算）做的事情。

除了它不起作用。 结果几乎（但不完全）到处都是零。 下面我的代码摘要复制了这个bug（sin ^ 2（x）的形状与我原来的函数相似）：

import matplotlib.pyplot as plt
import numpy as np

def find_times(t_arr):
    return np.power(np.sin(t_arr), 2)

t_0 = 0
t_max = np.pi-1E-10
datapoints = 100000

dt = (t_max - t_0) / datapoints
t_points = np.arange(t_0, t_max, dt, dtype=np.float64)
return_times = find_times(t_points)
gd = np.gradient(return_times, t_points)
plt.plot(t_points, gd)
plt.plot(t_points, return_times)
plt.show()

结果令人失望：

如果我打印gd ，它表明它确实不是真正的零：

[             inf   6.28318530e-05   6.28318529e-05 ...,  -1.25666419e-09
  -6.28326813e-10  -3.14161265e-10]

那么：我错过了什么？ 在Python中用数字衍生的最终正确方法是什么？

环境：Linux Mint 18.2 OS，Geany编辑器，NumPy 1.11.0。

Answer 1

文档没有提到它，但坐标数组支持是非常新的，NumPy 1.13。 在以前的NumPy版本中，您只能为每个维度指定固定的标量步长值。

NumPy 1.12有一个检查来捕获非标量步骤，但你所使用的NumPy 1.11并没有注意到数组值输入，并且通过尝试将数组作为一个步骤来默默地做错了。