##### `np.gradient(f, *varargs, axis=None, edge_order=1)` **功能简介：** - 用于计算 N 维数组的梯度。梯度是一个向量，表示函数在各个坐标轴方向的变化率。对于多维数组，可以在各个维度上计算梯度。 **参数说明：** - `f`：输入的 N 维数组。 - `*varargs`：可选的参数，表示在哪个轴上计算梯度。每个维度上都可以指定一个轴。 - `axis`：用于指定计算梯度的轴。它可以是整数、元组或列表，用于确定在哪些轴上计算梯度（可选，默认为 None）。 - `edge_order`：用于确定在计算梯度时使用的边界条件的阶数（可选，默认为 1）。 **返回值：** - 返回一个包含 N 维梯度数组的元组，每个元素对应于一个指定维度上的梯度。 **两个用法实例：** 1. **计算一维数组的梯度** ```python import numpy as np arr = np.array([1, 4, 9, 16, 25]) gradient_result = np.gradient(arr) print(gradient_result) # Output: [3. 4. 6. 8. 9.] ``` 2. **计算二维数组在不同轴上的梯度** ```python import numpy as np matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) gradient_result_axis0 = np.gradient(matrix, axis=0) print(gradient_result_axis0) # Output: # [array([[3., 3., 3.], # [3., 3., 3.], # [3., 3., 3.]])] gradient_result_axis1 = np.gradient(matrix, axis=1) print(gradient_result_axis1) # Output: # [array([[1., 1., 1.], # [1., 1., 1.], # [1., 1., 1.]])] ```