申请不一致np.梯度功能

Question

以前我一直在手工计算一组点之间的梯度。我碰巧看到在纽比图书馆里有一个np.梯度功能。在

兴奋的是，我在我的本地机器上试了一下，结果如下：

dataframe['Scrubber_Gradient_20m_mean'] = np.gradient(dataframe['ScrubberLevel'].rolling(center=False,window=2).mean())

这返回了滚动梯度值，这正是我所追求的。但是，我现在已经将我的一些代码移到了Spyder环境中的AWS部署中，该环境的numpy版本与我的本地机器相同，尽管代码是相同的，但是突然抛出了一个错误：

^{pr2}$

然而，对我来说没有意义的是，当我在函数的外部运行代码时，只要在控制台中运行，计算就可以正常工作。这个数组不是“太小”，至少从我所能看到的是这样。在

我不明白为什么会这样。有人会对这种潜在的不一致行为有任何理由吗？在

到目前为止，我尝试了以下方法：

1. 检查两个AWS上的Python Version/Numpy版本是否相同 服务器和本地计算机
2. 确认两个数据集在函数内部/外部都相同
3. 检查梯度函数内部函数/外部函数

我的numpy版本是：本地机器和AWS服务器上的1.15.1。在

我附加了一个虚拟数据的快照，这样就可以很有希望地复制它。请使用scruberlevel列。Link to Data

这是我在本地计算机上运行的代码：

df_condabri_central_T1['Scrubber_Gradient_hour_mean'] = np.gradient(df_condabri_central_T1['ScrubberLevel'].rolling(center=False,window=6).mean())

这是我在AWS Spyder环境中使用的函数中运行的代码：

def feature_eng(dataframe):
#There are other features but for the sake of my problem I have restricted it to this variable
dataframe['ScrubberLevel'] = np.gradient(dataframe['ScrubberLevel'].rolling(center=False,window=2).mean())
return dataframe

现在，当我在AWS Spyder的控制台中运行这个时，没有如下所示的问题。

但是，当我尝试通过我的函数运行这个函数时，我得到以下结果：