numpy.gradient 在使用具有常量值的可变参数数组时返回 nan 值

Question

我有一组时间步长（以秒为单位）和一组位置（以纬度为单位）。两个数组大小相同，N=36。我正在计算两个数组之间的 np.gradient ，当任何两个连续时间步长相同时返回 nan 值。但是当我使用一个常数标量作为可变参数值来计算梯度时，我得到了正确的数据输出。我需要找到一种方法来创建具有不同时间步长的正确梯度输出。

使用 Python 3.4 和 Numpy 1.14

我尝试使用原始时间步长数组计算梯度，当值相同时，该数组返回 nan 值。接下来，我尝试使用单个标量值作为可变参数输入来计算梯度，这给了我正确的输出。然后，我尝试将 vararg 设置为具有所有相同时间步长值的 numpy 数组，该数组返回所有 -inf 值。

#Original Code:    
dt = np.array([10800,10800,9900,5400,6300]) #delta time in seconds
x = np.array([-85.18,-85.80,-86.3,-87,-87.0]) #delta x in decimal degrees
dx_dt = np.gradient(x,dt) 
#returns:
#[nan,nan, 4.8e-004,-3.1e-004,-2.19e-004]

#Test 1 - test with constant scalar
dx_dt = np.gradient(x,10800) 
#returns:
#[-5.5e-5,-5.1e-5,-5.5e-5,-4.1e-5,-5.1e-5]

#Test 2 - test with constant array
dt = np.array([10800,10800,10800,10800,10800)]
dx_dt = np.gradient(x,dt) 
#returns:
#[-inf,-inf,-inf,-inf,-inf]

我希望 np.gradient(x,10800) 的输出与 np.gradient(x,np.array([10800,10800,10800,10800,10800])) 相同，但它不是。

我需要一个没有 nan 或 inf 值的输出才能使代码的下一部分工作，只是将 -inf 或 nans 设置为 0 没有帮助。

Answer 1

对于numpy.gradient，当varargs 是一个数组时，必须给出沿t 的值的坐标，而不是增量。请参阅下面np.gradient documentation 的第 3 点。

varargs : 标量或数组列表，可选

f 值之间的间距。所有尺寸的默认单一间距。可以使用以下方式指定间距：

1. 单个标量指定所有维度的样本距离。

2. N个标量为每个维度指定一个恒定的样本距离。即 dx, dy, dz, ...

3. N个数组来指定值沿F的每个维度的坐标。数组的长度必须与对应维度的大小相匹配。

4. 具有 2. 和 3 含义的 N 个标量/数组的任意组合。

要获取渐变，您可以使用np.cumsum 从增量中获取坐标：

dt = np.array([10800,10800,9900,5400,6300]) #delta time in seconds
t = np.cumsum(dt)
x = np.array([-85.18,-85.80,-86.3,-87,-87.0]) #delta x in decimal degrees
dx_dt = np.gradient(x,t) 

这给出了：

[-5.74074074e-05 -5.38061777e-05 -1.01703308e-04 -6.98005698e-05 0.00000000e+00]

你可以检查一下：

dx_dt = np.gradient(x,10800) 

和

dt = np.array([10800,10800,10800,10800,10800])
t = np.cumsum(dt)
dx_dt = np.gradient(x,t) 

给出相同的结果：

[-5.74074074e-05 -5.18518519e-05 -5.55555556e-05 -3.24074074e-05 0.00000000e+00]