python 中对数图的导数
Derivative of log plot in python
我们有 x 和 y 值，我正在记录他们的日志，logx = np.log10(x) 和 logy = np.log10(y)。我正在尝试计算 logy w.r.t logx 的导数，所以 dlogy/dlogx。我曾经使用 numpy 梯度成功地做到了这一点，更准确地说
derivy = np.gradient(logy,np.gradient(logx))
但由于某些奇怪的原因，它似乎不再起作用并产生错误："Traceback (most recent call last):
File "derivlog.py", line 79, in <module>
grady = np.gradient(logy,np.gradient(logx))
File "/usr/lib/python2.7/dist-packages/numpy/lib/function_base.py", line 1598, in gradient
raise ValueError("distances must be scalars")
ValueError: distances must be scalars"
上下文： 当尝试检测幂律时，y ~ x^t, 给定 y 的值作为 [=19= 的函数] 一个人想要从本质上提取 t, 的幂，所以我们取对数给出 log y ~ t*log x 然后取导数以提取 t.
下面是重现问题的最小示例：x=[ 3. 4. 5. 6. 7. 8. 9. 10. 11.]
y = [ 1.05654 1.44989 1.7939 2.19024 2.62387 3.01583 3.32106 3.51618
3.68153]
在 python 中是否有其他（更合适的）方法来获取此类数值导数？
感谢评论中的讨论，np.gradient 的问题已通过将 numpy 包从版本 1.12.1 更新到 1.13.3. 解决，如果您也是使用 gradient. 时得到 ValueError "distances must be scalars" 因此，为了提取幂律的顺序，计算 np.gradient(logy,logx) 仍然是一个有效的选择。
我们有 x 和 y 值，我正在记录他们的日志，logx = np.log10(x) 和 logy = np.log10(y)。我正在尝试计算 logy w.r.t logx 的导数，所以 dlogy/dlogx。我曾经使用 numpy 梯度成功地做到了这一点，更准确地说
derivy = np.gradient(logy,np.gradient(logx))
但由于某些奇怪的原因，它似乎不再起作用并产生错误："Traceback (most recent call last):
File "derivlog.py", line 79, in <module>
grady = np.gradient(logy,np.gradient(logx))
File "/usr/lib/python2.7/dist-packages/numpy/lib/function_base.py", line 1598, in gradient
raise ValueError("distances must be scalars")
ValueError: distances must be scalars"
上下文： 当尝试检测幂律时，y ~ x^t, 给定 y 的值作为 [=19= 的函数] 一个人想要从本质上提取 t, 的幂，所以我们取对数给出 log y ~ t*log x 然后取导数以提取 t.
下面是重现问题的最小示例：x=[ 3. 4. 5. 6. 7. 8. 9. 10. 11.]
y = [ 1.05654 1.44989 1.7939 2.19024 2.62387 3.01583 3.32106 3.51618
3.68153]
在 python 中是否有其他（更合适的）方法来获取此类数值导数？
感谢评论中的讨论，np.gradient 的问题已通过将 numpy 包从版本 1.12.1 更新到 1.13.3. 解决，如果您也是使用 gradient. 时得到 ValueError "distances must be scalars" 因此，为了提取幂律的顺序，计算 np.gradient(logy,logx) 仍然是一个有效的选择。