如何绘制多元函数梯度？Python代码及numpy.gradient用法疑问

一、numpy.gradient() 返回值说明 #

对于二维数组 Z（对应函数 Z=f(X,Y)），np.gradient(Z) 会返回两个同维度数组：

• 第一个数组：沿**轴0（行方向，对应Y轴的变化）**的梯度，即每个点对Y的偏导数近似值 ∂Z/∂Y
• 第二个数组：沿**轴1（列方向，对应X轴的变化）**的梯度，即每个点对X的偏导数近似值 ∂Z/∂X

计算逻辑：内部点采用中心差分法（精度更高），边缘点采用单侧差分（前向或后向）。如果数组基于不等间距坐标生成，还可以通过 np.gradient(Z, dx, dy) 指定X、Y方向的步长 dx 和 dy，得到更准确的实际梯度值。

结合你提供的示例图像：
输入为3×3的数值矩阵，输出的两个矩阵分别对应轴0和轴1的梯度结果。比如输入矩阵的中间行，轴0梯度用上下两行的差值除以2（中心差分）计算，轴1梯度用左右两列的差值除以2计算；边缘行/列则直接用相邻行/列的差值（单侧差分）计算。

二、基于给定代码的梯度计算与可视化 #

以下是完整的修改代码，包含梯度计算、3D曲面+梯度矢量场的可视化：

import numpy as np
import matplotlib.pyplot as plt

# 原代码的曲面生成部分
fig = plt.figure(figsize=(12, 6))
# 子图1：原3D曲面
ax1 = fig.add_subplot(121, projection='3d')
x = y = np.linspace(1, 10, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(X)**3 + np.cos(Y)**3
ax1.plot_surface(X, Y, Z, cmap='viridis', alpha=0.7)
ax1.set_xlabel('X')
ax1.set_ylabel('Y')
ax1.set_zlabel('Z')
ax1.set_title('原3D曲面')

# 梯度计算部分
# 计算X、Y方向的步长
dx = x[1] - x[0]
dy = y[1] - y[0]
# 计算梯度：dz_dy对应轴0的梯度，dz_dx对应轴1的梯度
dz_dy, dz_dx = np.gradient(Z, dy, dx)

# 子图2：3D曲面叠加梯度矢量场
ax2 = fig.add_subplot(122, projection='3d')
ax2.plot_surface(X, Y, Z, cmap='viridis', alpha=0.7)
# 为了避免箭头过密，每隔5个点取一个样本点
skip = 5
ax2.quiver(X[::skip, ::skip], Y[::skip, ::skip], Z[::skip, ::skip],
           dz_dx[::skip, ::skip], dz_dy[::skip, ::skip], -np.ones_like(Z[::skip, ::skip]),
           length=0.5, color='red')
ax2.set_xlabel('X')
ax2.set_ylabel('Y')
ax2.set_zlabel('Z')
ax2.set_title('曲面+梯度矢量场')

plt.tight_layout()
plt.show()

代码说明： #

1. 步长计算：dx = x[1]-x[0] 得到X方向的间隔，传入np.gradient后，计算出的梯度是实际物理空间的偏导值，而非默认的单位步长结果。
2. 矢量场绘制：用quiver函数绘制3D箭头，参数中前三个是箭头起点坐标，后三个是箭头的分量（X、Y、Z方向的矢量）。这里Z方向分量取负，是为了让箭头指向梯度下降方向（如果要上升方向则取正）。
3. 采样间隔：设置skip=5是因为原数组有100×100个点，全部绘制箭头会导致画面拥挤，每隔5个点采样一次可以让可视化更清晰。

内容的提问来源于stack exchange，提问作者AmolosRicha1