Python `numpy.diff`和'scipy.fftpack.diff`在区分时给出不同的结果
我试图计算一些数据的导数,我试图比较有限差分法和光谱法的输出。但结果却大不相同,我不知道确切的原因 考虑下面的示例代码Python `numpy.diff`和'scipy.fftpack.diff`在区分时给出不同的结果,python,numpy,scipy,derivative,differentiation,Python,Numpy,Scipy,Derivative,Differentiation,我试图计算一些数据的导数,我试图比较有限差分法和光谱法的输出。但结果却大不相同,我不知道确切的原因 考虑下面的示例代码 import numpy as np from scipy import fftpack as sp from matplotlib import pyplot as plt x = np.arange(-100,100,1) y = np.sin(x) plt.plot(np.diff(y)/np.diff(x)) plt.plot(sp.diff(y)) plt.sho
import numpy as np
from scipy import fftpack as sp
from matplotlib import pyplot as plt
x = np.arange(-100,100,1)
y = np.sin(x)
plt.plot(np.diff(y)/np.diff(x))
plt.plot(sp.diff(y))
plt.show()
这将输出以下结果
橙色输出为fftpack
输出。不管有多微妙,这只是为了举个例子
那么,为什么它们如此不同呢?它们不应该(大致)相同吗
我很确定可以用fftpack.diff
的period关键字来校正不同的振幅,但我不知道哪个是正确的周期(我认为应该是period=1
,但这不起作用)
此外,如何使用numpy获得自己的光谱微分?1 rad对于差分近似来说是一个相当粗糙的步长,您应该在数据集中获得整数个周期
x = np.arange(-200,200,1)
y = np.sin(np.pi/50*x)
plt.plot(np.diff(y)/np.diff(x))
plt.plot(sp.diff(y,order=1, period=400))
匹配得很好-但我不知道fft例程中周期/规格化的确切有理数。该函数计算导数,但它假设输入是周期性的。period
参数给出输入序列的周期(即x
间隔的总长度)
在您的例子中,这是len(x)*dx
,其中dx=x[1]-x[0]
下面是一些代码,它使用period
参数(红色)绘制简单(居中)有限差分(蓝色)和diff
的结果。变量x
和y
与代码中使用的变量相同:
In [115]: plt.plot(0.5*(x[1:]+x[:-1]), np.diff(y)/np.diff(x), 'b')
Out[115]: [<matplotlib.lines.Line2D at 0x1188d01d0>]
In [116]: plt.plot(x, sp.diff(y, period=len(x)*(x[1]-x[0])), 'r')
Out[116]: [<matplotlib.lines.Line2D at 0x1188fc9d0>]
In [117]: plt.xlabel('x')
Out[117]: <matplotlib.text.Text at 0x1157425d0>
我天真地认为,
period
指的是一个测量值和另一个测量值之间的时间(因此,在我的例子中,1
)。但这显然很有道理。现在我明白了,我也可以用numpy重现它,用fft乘以I*2*pi
。
In [149]: x = np.linspace(0, 1, 20, endpoint=False)
In [150]: y = np.sin(2*np.pi*x)
In [151]: plt.plot(0.5*(x[1:]+x[:-1]), np.diff(y)/np.diff(x), 'b')
Out[151]: [<matplotlib.lines.Line2D at 0x119872d90>]
In [152]: plt.plot(x, sp.diff(y, period=len(x)*(x[1]-x[0])), 'r')
Out[152]: [<matplotlib.lines.Line2D at 0x119c49090>]
In [153]: plt.xlabel('x')
Out[153]: <matplotlib.text.Text at 0x1197823d0>