我有一个下面的图,您可以看到5条线表示参数p
(3%, 5%, 7%, 9%, 11%)
的不同值。正如您所看到的,我还对每条线都有一个线性近似。
对于如何使用内插法和外推法为参数p
的不同值预测图形,我不太了解。
例如,我需要预测p = 1%, 6%, 15%
的图形
def linear_approximation(df, name , start=1, finish=20):
df_res = pd.DataFrame(df)
df_res['Linear'] = df[name]
linear_coeff = np.polyfit(np.arange(start, finish+1),df.loc[start:finish, name], 1)
linear_coeff = np.poly1d(linear_coeff)
df_res.loc[start:finish, 'Linear'] = linear_coeff(np.arange(start, finish+1))
return df_res
df_linear = res['data']
plt.figure(figsize=(15, 9))
for counter in ['1','2','3','4','5']:
df_linear[counter].plot(grid=True, linestyle = '--', lw = 4)
linear_approximation(df_linear,counter, 10, 80)['Linear'].plot(grid=True, color = 'Gray', linestyle = '-', lw = 4)
plt.legend(loc='center left',bbox_to_anchor=(1, 0.5), fontsize = '17')