np.gradient - 正確使用？

我正在嘗試使用np.gradient來計算一個衍生物，但是我得到了奇怪的結果，並且想要檢查我是否正確使用它來消除這個可能的錯誤。np.gradient - 正確使用？

A在一系列等距（但不是統一）x值數據點上具有函數y（x）。我計算的衍生物

deriv = np.gradient(y, dx)

這是正確的應用程序？一些非常狂野的價值觀蔓延到我的結果中，只有在我正在開發的模型中迭代該函數時纔會惡化。

可以提供片樣品d的ATA？和你得到的有線結果？一般基於你所描述的，你正確地使用它。 – MaThMaX

數據是一個1D陣列，其中2E5個數值的電流以相等間隔距離採樣（我的x陣列）。奇怪的值是結果中的偶然大的尖峯（無賴點），在我的模型的連續迭代中增加了數量和幅度。 –

如果你想聚集你當前的信號，那麼你應該不應該使用這種簡單的算法來進行聚類。或者，也許你可以在運行'梯度'函數之前平滑你的信號？ – MaThMaX

看起來很對我。罪的導數是cos。當我繪製出我的sin函數的np.gradient時，它與直接繪製cos時的外觀相同。

一個例子：

import numpy as np 
import pandas as pd 

x = np.arange(-2 * np.pi, 2 * np.pi, 0.01) 
y = np.sin(x) 
pd.Series(y).plot()

y2 = np.gradient(y, 0.01) 
pd.Series(y2).plot()

y3 = np.cos(x) 
pd.Series(y3).plot()

2016-06-09 17:19:16 piRSquared

回答