Question

我要求的可能是不可能的，但我希望你们可以帮助我。

所以我有两个2D数组，f1（x1）= y1和f2（x2）= y2。我想制作这些比例的表面图，所以z维是（f2（x2）/ f1（x1））。不幸的是，无论我遇到什么问题，我都会碰壁。

我的主要问题是每个数组的范围不同，x1从300到50,000，x2从300到1200.现在我很高兴假设f2（x2）= f2（1200）对于所有x2＆gt; 1200.但这个界限意味着我不可能以任何现实的方式将这个数据拟合多项式（我的第一组数据很好地被五阶多项式复制，而我的第二组数据最适合于一阶多项式）。是否有一种替代方法可以使函数适合（x2，y2），因此它获取边界外所有点的边界值？

我极其错误的尝试看起来像这样，

# x1 is an array from 300 to 50,000 in steps of 50
# x2 is an array from 300 to 1,150 in steps of 50

f1_fit = np.poly1d(np.polyfit(x1, y1, 5))
f2_fit = np.poly1d(np.polyfit(x2, y2, 1))

X, Y = np.meshgrid(x1, x2)
Z = (f2_fit(x2) / f1_fit(x1))

有趣的是，看似无害的问题可能是一个正确的痛苦。：d

编辑：这是玩具数据的数量，

x1 = x2 = [  300.   350.   400.   449.   499.   548.   598.   648.   698.   748.
             798.   848.   897.   947.   997.  1047.  1097.  1147.  1196.  1246.
             1296.  1346.  1396.  1446.  1496.  1546.  1595.  1645.  1695.  1745.]

y1 = [  351.   413.   476.   561.   620.   678.   734.   789.   841.   891.
        938.   982.  1023.  1062.  1099.  1133.  1165.  1195.  1223.  1250.
        1274.  1298.  1320.  1340.  1360.  1378.  1395.  1411.  1426.  1441.]

y2 = [ 80.  75.  70.  65.  62.  58.  58.  52.  48.  46.  44.  41.  38.  35.  32.
       32.  29.  30.  30.  30.  30.  30.  30.  30.  30.  30.  30.  30.  30.  30.]

Answer 1

所以我设法解决了我的问题。如上所述，我通过设置x1 = x2对我的数据进行了一些预处理，从而推断出f（x2）的边值。

import numpy as np
import scipy.interpolate as interp
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

data1 = np.loadtxt('data1.dat')
data2 = np.loadtxt('data2.dat')

X = []
Y = []
Z = []

for i in data1:
    for j in data2:
        X.append(i[0])
        Y.append(j[0])
        Z.append(i[1]/j[1])

x_mesh,y_mesh, = np.meshgrid(np.linspace(300,50000,200), np.linspace(300,50000,200))

z_mesh = interp.griddata((X,Y),Z,(x_mesh,y_mesh),method='linear')

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
surf = ax.plot_surface(x_mesh,y_mesh,z_mesh,cstride=10,rstride=10,cmap='OrRd_r')
plt.show()

具有多个多项式拟合的曲面图

1 个答案: