Numpy或Scipy方式在2维中进行多项式拟合

Question

我有一些看起来像这样的数据

基于x和y做z的多项式映射的典型方法是什么？我过去使用numpy.polyfit在2维中做类似的事情，所以我想我可以迭代所有的点，然后用另一个1d polyfit拟合这些答案。但是，似乎应该有一种更直接的方式。

顺便说一下，图片显示了两组不同的数据，这些数据符合不同的方程式。

Answer 1

在我看来，你真正想要的是按照z（x，y）来拟合曲面（linear或spline），但是你只有一行数据。这就像只用一个方程求解两个未知数 - 问题是，基本上，你怎么能决定你的红线从A到B的差异是由PSI的变化，还是V的变化引起的？
我的建议：

• 将曲面拟合到现有数据集。你会得到一些东西。
• 尝试获取更多数据，以便在
上获得更准确的表面
• 做你想要的 - 在每个尺寸中分别安装一个功能，将它们组合起来并使用三个功能中的最佳功能（适用于PSI的功能，适用于V的功能和一个组合的功能）。
• 尝试将你的PSI和V因素与一些基于物理的奇特技巧结合成一个包含两者的重要因素