我正在使用InterpolatedUnivariateSpline
库中的scipy.interpolate
函数。我知道存在一个函数来评估结果样条曲线的导数。我感兴趣的是样条曲线日志的导数。有没有办法直接计算?
答案 0 :(得分:2)
FlyingTeller's suggestion可能是最优的:log(f)的导数是f'/f
,这很容易实现:
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import InterpolatedUnivariateSpline
x = np.arange(1, 9)
y = np.sqrt(x) # something to use as y-values
spl = InterpolatedUnivariateSpline(x, y)
logder = lambda x: spl.derivative()(x)/spl(x) # derivative of log of spline
t = np.linspace(x.min(), x.max())
plt.plot(t, logder(t))
plt.show()
基于数据的对数构造样条曲线也是一种合理的方法,但它与原始样条曲线的对数不同。
如果你可以定义一个函数,取决于样条曲线,可以通过python(分析)区分
分析区分任意函数超出了SciPy的范围。在上面的例子中,我必须知道log(x)
的导数是1/x
; SciPy不知道这一点。 SymPy是一个用于符号数学运算的库,例如衍生物。
可以使用SymPy以符号方式查找函数的导数,然后使用lambdify
将其转换为SciPy或matplotlib等可以使用的可调用函数。
使用SymPy也可以使用entirely symbolic way中的样条线,但速度很慢。