Python np.梯度函数应用中的不一致性

以前我一直在手工计算一组点之间的梯度。我碰巧看到numpy库中有一个np.gradient函数

我很兴奋地在我的本地机器上尝试了这个，它的工作原理如下：

dataframe['Scrubber_Gradient_20m_mean'] = np.gradient(dataframe['ScrubberLevel'].rolling(center=False,window=2).mean())

这返回了滚动梯度值，这正是我想要的。但是，我现在已将一些代码移动到Spyder环境上的AWS部署中，该环境与我的本地计算机具有相同的numpy版本，即使代码相同，也会突然抛出一个错误：

ValueError: Shape of array too small to calculate a numerical gradient, at least (edge_order + 1) elements are required.

然而，对我来说没有意义的是，当我在函数的外部运行代码时，只要在控制台中运行，计算就可以正常工作。阵列不是“太小”，至少从我看到的情况来看不是这样

我不明白为什么会这样。有没有人会对这种潜在的不一致行为有任何理由

到目前为止，我尝试了以下方法：

检查两个AWS上的Python版本/Numpy版本是否相同 服务器和本地计算机

确认内部功能/外部功能的两个数据集相同

检查梯度功能内部功能/外部功能

我的numpy版本是：1.15.1，在我的本地机器和AWS服务器上

我附加了一个虚拟数据的快照，以便有希望复制它。请使用洗涤器级别列

这是我用来在本地计算机上运行的代码：

df_condabri_central_T1['Scrubber_Gradient_hour_mean'] = np.gradient(df_condabri_central_T1['ScrubberLevel'].rolling(center=False,window=6).mean())

这是我用于在AWS Spyder环境中的函数中运行的代码：

def feature_eng(dataframe):
#There are other features but for the sake of my problem I have restricted it to this variable
dataframe['ScrubberLevel'] = np.gradient(dataframe['ScrubberLevel'].rolling(center=False,window=2).mean())
return dataframe

现在，当我在AWS Spyder的控制台中运行此时，没有如下所示的问题。

但是，当我尝试通过我的函数运行此功能时，我得到以下结果：

---

您是否可以使用生成成功和失败的虚拟数据帧编辑您的帖子，以包含可复制的可复制代码？（更好的是，把你的虚拟数据框切分成一个小对象，你可以粘贴到你的问题中。现在你错过了M in。）@DSM-非常感谢你指出这一点！在试图重新创建问题以便其他任何人都可以复制此问题的过程中，我碰巧仔细检查了我的函数，发现我有一个额外的过滤器，它似乎有故障，并返回了0帧长度。记住这一点，抛出的错误消息完全有意义！非常感谢你！