因此，我正在进行一些数值计算。我已经计算了一个return_times只能通过数字计算的函数（）的100,000个点，现在想使用来推导它numpy.gradient。据我了解（doc），对于f（x），我可以给出以下参数：numpy.gradient(arr_of_fx_datapoints, arr_of_their_x_values)使它起作用。这就是我（打算做的）事情。

除非它不起作用。结果到处几乎（但不完全）为零。该错误由下面的代码摘要重现（sin ^ 2（x）的形状类似于我的原始函数）：

import matplotlib.pyplot as plt
import numpy as np

def find_times(t_arr):
    return np.power(np.sin(t_arr), 2)

t_0 = 0
t_max = np.pi-1E-10
datapoints = 100000

dt = (t_max - t_0) / datapoints
t_points = np.arange(t_0, t_max, dt, dtype=np.float64)
return_times = find_times(t_points)
gd = np.gradient(return_times, t_points)
plt.plot(t_points, gd)
plt.plot(t_points, return_times)
plt.show()

结果令人失望：

如果我打印gd，则表明它确实不是完全为零：

[             inf   6.28318530e-05   6.28318529e-05 ...,  -1.25666419e-09
  -6.28326813e-10  -3.14161265e-10]

所以：我想念什么？用Python进行数值衍生的最终正确方法是什么？

环境：Linux Mint 18.2 OS，Geany编辑器，NumPy 1.11.0。