Numune/scipy ile 6 derecelik eğri uydurma

Question

6. dereceden bir polinom kullanarak doğrusal olmayan verileri enterpolasyon için çok özel bir gereksinim var. Sayısal/scipy rutinlerini (scipy.interpolate.InterpolatedUnivariateSpline) interpolasyonu yalnızca 5. dereceye kadar sağladığını gördüm.

Bunu yapmak için doğrudan bir işlev olmasa bile, Excel'in LINEST doğrusal regresyon algoritmasını çoğaltmanın bir yolu var mı? Python? LINEST 6 derecelik eğri uydurma sağlar, ancak bu hesaplama çok daha büyük bir Python betiğinin parçası olduğu için Excel'i hiçbir şey için kullanmak istemiyorum.

Herhangi bir yardım için teşekkür ederiz!

Answer 1

Kullanım numpys rutin polyfit Senin durumunda ben gibi bir şey denemek istiyorum.

http://docs.scipy.org/doc/numpy-1.3.x/reference/generated/numpy.polyfit.html

Answer 2

scipy.optimize.curve_fit nolu verileri, verilerinize istediğiniz herhangi bir şekilde (nedensiz) verilerinize sığdırmak için kullanabilirsiniz. Bu fonksiyonun imza

curve_fit(f, xdata, ydata, p0=None, sigma=None, **kw) 

ve bu veri ydata(xdata) bir fonksiyon f uyacak şekilde uyan lineer-olmayan en küçük kareler kullanılır. Size böyle bir şey vermelidir

import numpy 
from scipy.optimize import curve_fit 
import matplotlib.pyplot as plt 

def _polynomial(x, *p): 
    """Polynomial fitting function of arbitrary degree.""" 
    poly = 0. 
    for i, n in enumerate(p): 
     poly += n * x**i 
    return poly 

# Define some test data: 
x = numpy.linspace(0., numpy.pi) 
y = numpy.cos(x) + 0.05 * numpy.random.normal(size=len(x)) 

# p0 is the initial guess for the fitting coefficients, set the length 
# of this to be the order of the polynomial you want to fit. Here I 
# have set all the initial guesses to 1., you may have a better idea of 
# what values to expect based on your data. 
p0 = numpy.ones(6,) 

coeff, var_matrix = curve_fit(_polynomial, x, y, p0=p0) 

yfit = [_polynomial(xx, *tuple(coeff)) for xx in x] # I'm sure there is a better 
                # way of doing this 

plt.plot(x, y, label='Test data') 
plt.plot(x, yfit, label='fitted data') 

plt.show() 

: