Python：计算3D网格的渐变

Question

我有一个粒子立方体，我投射到2D网格上，通过细胞中的云将粒子投射到网格上，并用标量加权。

然后我会喜欢每个网格点处的标量梯度。 在2D中，我使用np.gradient进行此操作，我得到两个在x和y方向上具有渐变的数组：

gradx, grady = np.gradient(grid)

有谁知道如何将其概括为3维度？ 3D中的细胞中的云很好，但我留下了一个形状为（700,700,700）的网格。

据我np.gradient无法处理这个问题？

谢谢，丹尼尔

Answer 1

Numpy文档表明gradient适用于任何维度：

numpy.gradient(f, *varargs)

返回N维数组的渐变。

使用内部的中心差异和边界处的第一个差异来计算梯度。 因此，返回的渐变具有与输入数组相同的形状。

参数：

f: array_like. 包含标量函数样本的N维数组。

*varargs: 0,1或N个标量指定每个方向的采样距离，即：dx，dy，dz，...默认距离为1。

退货：

g: ndarray. 与f相同形状的N个阵列给出关于每个维度的f的导数。

好像你应该能够像你期望的那样将二维码扩展到3D。