Question

我有以下x，y数据（绿色）。我想获得一个适合我的曲线的多项式函数。在python中安装的曲线看起来很好（蓝色）。当我使用多项式的系数并且我自己构建函数时，结果不在蓝色曲线上。对于较小的X值，这可能仍然适合，但对于较大的值是完全错误的。在图像中，显示了x = 15和2.5的y（大点）。

数据：

x, y 
0.5883596178    18562.5
0.6656014904    20850
0.7407008741    22700
0.8310800498    24525
0.9479506185    26370
1.0768193651    27922
1.1983161945    29070
1.3837939534    30410
1.6650549531    31800
1.946640319     32740
2.3811442965    33655
2.9126326549    34290
3.6970654824    34800
4.2868951065    34987.5
4.8297935972    35102
5.7876198835    35175
7.3463468386    35050
8.9861037519    34725
10.5490727095   34285
13.2260016159   33450
16.5822270413   32795
20.5352502646   32472
25.7462680049   32475

代码：

data = plb.loadtxt('fig3_1_tiltingRL.dat')

x = data[:,0]
y= data[:,1]
#plt.xscale('log')#plt.set_xscale('log')
coefs = poly.polyfit(x, y, 10)
ffit = poly.polyval(x, coefs)
plt.plot(x, ffit)
plt.plot(x, y, 'o')
print(coefs)
xPoints =15.  
yPt =    (-6.98662492e+03  * xPoints**0  +  6.57987934e+04  * xPoints**1 -\
      4.65689536e+04   * xPoints**2  +  1.85406629e+04  * xPoints**3 -\
      4.49987278e+03   * xPoints**4  +  6.92952944e+02  * xPoints**5 -\
      6.87501257e+01   * xPoints**6  +  4.35851202e+00  * xPoints**7 -\
      1.69771617e-01   * xPoints**8  +  3.68535224e-03  * xPoints**9 -\
      3.39940049e-05   * xPoints**10) 
 print(yPt)
 plt.plot(xPoints, yPt , 'or',label="test" ,markersize=18, color='black')
 plt.show()

Answer 1

在我看来，你使用componentWillMount(this.props) { this.loadCheckpoint(this.props); } componentWillReceiveProps(nextprops) { this.loadCheckpoint(nextprops); } loadCheckpoint(props) { this.context.getUser((data) => this.setState({ user: data })); $.ajax({ url: `/api/v1/modules/three/cp/${props.params.cp_id}`, //please check i have replace the this.props to props as we have props as a parameter method: 'GET', }).done((data) => { this.setState({ checkpoint: data }); }); }的方式对我来说并不合适。尝试使用poyval生成X轴，然后在其上应用numpy.linspace。类似下面的代码。

polyval

正如你所看到的那样，你的情节中没有出现一个驼峰...

Answer 2

您的算法似乎运行正常。你应该而不是：

coefs = poly.polyfit(x, y, 10)
ffit = poly.polyval(x, coefs)

这样做：

coefs = poly.polyfit(x, y, 10) # fit data to the polynomial
new_x = np.linspace(0, 30, 50) # new x values to evaluate
ffit = poly.polyval(new_x, coefs) # fitted polynomial evaluated with new data

因此，函数poly.polyval将评估new_x的所有点，而不是您已经知道的x坐标。

Answer 3

非常感谢您回答我的问题。

silgon和RicLeal提供的解决方案都有效。

最后，由于我有几条曲线，我已经应用了RicLeal给出的解决方案。

我的数据是在x轴上登录的。我刚修改了RicLeal给出的代码，我对结果感到满意。

enter image description here

x = data[:,0]
y= data[:,1]
plt.xscale('log')#plt.set_xscale('log')
logx=np.log10(x)
coefs = np.polyfit(logx, y, 10)
ffit = np.polyval(coefs, logx)
print (coefs)


logxmin=math.log10(0.5883596178)
logxmax=math.log10(26.)

new_x = np.logspace(logxmin, logxmax,50)
lognew_x=np.log10(new_x)
new_ffit = np.polyval(coefs, lognew_x)
plt.semilogx(x, y, 'o', label="Raw")
plt.semilogx(x, ffit,'x',label="Fit to Raw")
plt.semilogx(new_x, new_ffit,label="Fit to LogSpace")
print(lognew_x, new_ffit)
# This is ugly. I'd use list comprehension here!
arr = np.logspace(logxmin, logxmax,50)
arrlog= np.log10(arr)
new_y = []
for xi in arrlog:
    total = 0
    for i,v in enumerate(coefs[::-1]):
       #print (v)
       total += v*xi**i
    new_y.append(total) 


    plt.semilogx(arr, new_y, '*', label="Polynomial")

 coeffs=  [6.85869364,     -92.86678553,  343.39375022,           -555.52532934,  434.18179364,
     -152.82724751,     9.71300951,   21.68653301,  -35.62838377,   28.3985976,
      27.04762122]
 new_testy = []
 for xi in arrlog:
 total = 0
    for i,v in enumerate(coeffs[::-1]):
       #print (v)
         total += v*xi**i
    new_testy.append(total)          
 plt.semilogx(arr, new_testy, 'o', label="Polynomial")         
 plt.legend(loc=2)
 plt.show()

python多项式曲线拟合 - 系数不对

3 个答案: