Python步长大于1时用数组切片与numpy.diff替代for循环的差异问题

问题原因 #

numpy.diff的核心功能是计算相邻元素的差值，默认是1阶差分，输出结果满足：

np.diff(a, axis=0)[i] = a[i+1] - a[i]

和你需要的中心差分计算逻辑完全不匹配，具体差异有两点：

1. 差分间隔不符：你的for循环、切片方案计算的是间隔1个原始网格点的差值Z[i-1, j] - Z[i+1, j]，两个计算位置差了2个原始步长；而np.diff(Z[::2,::2], axis=0)计算的是下采样后相邻行的差值，两个计算位置仅差1个下采样后的步长，和目标差分逻辑完全不同。
2. 差值顺序相反：你的方案是前点减后点，numpy.diff是后点减前点，符号刚好相反。

修正方法 #

如果一定要用numpy.diff实现相同效果，需要调整下采样后的切片逻辑：

# 先对原始数组做步长为2的下采样
Z_sub = Z[::2, ::2]
# 取间隔1个下采样点的差，再调整符号
Z_diff3 = -(Z_sub[2:] - Z_sub[:-2])

这行代码和你之前用切片实现的Z_diff2计算结果完全相等。实际上这种场景下直接用原始数组切片的写法性能更好，不需要额外依赖numpy.diff。

额外提示 #

你当前的代码仅计算了中心差分的分子部分，要得到真实的导数值，还需要将结果除以2*h（h为原始网格步长，此处h=2*np.pi/99）。

内容的提问来源于stack exchange，提问作者Alf