关于一维和二维数据的差分和梯度的计算(使用 num.diff() 和 numpy.gradient() )

本文介绍了如何使用numpy库进行一维和二维数据的差分和梯度计算。通过示例详细展示了差分的前向、后向和中心差分,以及梯度计算的方法。此外,还解释了np.diff()函数的用法,并探讨了在二维数据上的应用。
摘要由CSDN通过智能技术生成

关于一维数据的差分和梯度的计算

一维数据的差分公式
一阶差分

  • 一阶前向差分:下一个值与当前值的差
    f ( x k ) = f ( x k + 1 ) − f ( x k ) f(x_k) = f(x_{k+1}) - f(x_k) f(xk)=f(xk+1)f(xk)
  • 一阶后向差分:当前值与上一个值的差
    f ( x k ) = f ( x k ) − f ( x k − 1 ) f(x_k) = f(x_k) - f(x_{k-1}) f(xk)=f(xk)f(xk1)
  • 一阶中心差分:下一个值与上一个值的差除以2
    f ( x k ) = f ( x k + 1 ) −
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值