numpy计算渐变交叉矩阵

我使用以下方法计算多个矩阵中相同索引中数据之间的运行梯度:

import numpy as np

array_1 = np.array([[1,2,3], [4,5,6]])
array_2 = np.array([[2,3,4], [5,6,7]])
array_3 = np.array([[1,8,9], [9,6,7]])

flat_1 = array_1.flatten()
flat_2 = array_2.flatten()
flat_3 = array_3.flatten()
print('flat_1: {0}'.format(flat_1))
print('flat_2: {0}'.format(flat_2))
print('flat_3: {0}'.format(flat_3))
data = []
gradient_list = []
for item in zip(flat_1,flat_2,flat_3):
    data.append(list(item))
    print('items: {0}'.format(list(item)))
    grads = np.gradient(list(item))
    print('grads: {0}'.format(grads))
    gradient_list.append(grads)

grad_array=np.array(gradient_list)
print('grad_array: {0}'.format(grad_array))

这看起来不像是一种最佳的方法——是否有一种矢量化的方法来计算二维数组中数据之间的梯度?