力导数 =0 过 1 点的多项式拟合
Polynomial fitting going through 1 point with force derivative =0
我正在寻找类似于 numpy.polyfit
的内容
我有一条带有固定点的曲线,看起来像 2 次多项式
我想做的是:
- 完全通过第一点(在下面的示例中
(0.05 , 1.0)
)
- 关于第一个要点
derivative =0
示例:
TabX
:
0,050 ; 0,055 ; 0,060 ; 0,065 ; 0,070 ; 0,075 ; 0,080 ; 0,085 ; 0,090 ; 0,095 ; 0,100 ; 0,110 ; 0,120 ; 0,130 ; 0,140 ; 0,150 ; 0,160 ; 0,170 ; 0,180 ; 0,190 ; 0,200 ; 0,210 ; 0,220 ; 0,230 ; 0,243
TabY
:
1,000000000 ; 1,000446069 ; 1,000395689 ; 1,000359466 ; 1,000313867 ; 0,999937484 ; 0,999760969 ; 0,999811533 ; 0,999966352 ; 0,999767956 ; 1,000148567 ; 1,000634904 ; 1,000735849 ; 1,001199937 ; 1,001510678 ; 1,001722496 ; 1,001992602 ; 1,002487029 ; 1,003492247 ; 1,004006533 ; 1,004832845 ; 1,005730132 ; 1,006327527 ; 1,007109894 ; 1,008266254
我已经找到了解决第一点的 "simple but barbaric" 解决方案:我在这一点上增加了很多权重,或者使用权重函数,或者通过在 TabX
和 TabY
中的大量 1.0
并使用正常的 np.polyfit 函数。它很丑,但它有效。
但是我真的不知道derivative=0
在(0.05;1.0)
点是怎么来的
此外,在 this thread 中据说拉格朗日乘数可以解决问题,但我无法使用 @Jaime 编写的函数,我遇到了错误 LinAlgError, 'Singular matrix'
此外,由于我必须能够在基本 Abaqus
中启动此脚本,因此解决方案只能使用基本 python 2.7
和 numpy
。在此实现中无法使用 scipy
或 matplotlib
。
_____________________________________________________________________
编辑:使用 DanielF 的回答,我可以做一些半成品(也感谢 DanielF 对我的原作的更正 post,阅读起来更简单)
使用新的来源是个好主意
但是,我无法使我的数据高效
这是有效的:
def WorkingDeg4 ():
x = np.arange(100)
y0 = 4.0*x**4+0.07 * x ** 3 + 0.3 * x ** 2 + 1.1 * x
y = y0 + 1000 * np.random.randn(x.shape[0])
XX = np.vstack((x**4,x ** 3, x ** 2, x, np.ones_like(x))).T
p_all = np.linalg.lstsq(XX, y)[0]
pp = np.polyfit(x, y, 3)
p_no_offset = np.linalg.lstsq(XX[:, :-1], y)[0]
y_fit = np.dot(p_no_offset, XX[:, :-1].T)
for i in range(0,len(x)):
print x[i],y0[i],y[i],y_fit[i]
但是如果我想用我的数据做 int
我主要说:
if __name__ == '__main__':
MyDataX=[0.050 , 0.055 , 0.060 , [...], 0.243]
MyDataY=[1.000000000 , 1.000446069 , 1.000395689 , [...] , 1.008266254]
TabX=[0.0]*len(MyDataX)
TabY=[0.0]*len(MyDataY)
for i in range(0,len(TabX)):
TabX[i]=MyDataX[i]-MyDataX[0]
TabY[i]=MyDataY[i]-MyDataY[0]
所以,在这一点上,我做了 "back to origin" 阶段
我想做与 def Working
相同的事情,但为了我的数据,所以我复制了 tge WorkingDeg4 并删除了 x 和 y 的创建并将其放入参数
def NOTWorkingDeg4 (x,y):
XX = np.vstack((x**4,x ** 3, x ** 2, x, np.ones_like(x))).T
p_all = np.linalg.lstsq(XX, y)[0]
pp = np.polyfit(x, y, 3)
p_no_offset = np.linalg.lstsq(XX[:, :-1], y)[0]
y_fit = np.dot(p_no_offset, XX[:, :-1].T)
这个没用....我在
这行有一个赌注
XX = np.vstack((x**4,x ** 3, x ** 2, x, np.ones_like(x))).T
说TypeError: unsupported operand type(s) for ** or pow(): 'list' and 'int'
所以据我了解,它不想这样做,因为我在 x**4
这样做时,x 不是整数。但我不知道如何解决这个问题
_____________________________________________________________________
编辑 2:找到它:
问题是启动 TabX 和 TabY,不是作为数组,而是作为 np.array
错误:
TabX=[0.0]*len(MyDataX)
TabY=[0.0]*len(MyDataY)
右:
TabX=np.array([0.0]*len(LongueursFissureGlobale))
TabY=np.array([0.0]*len(CourbeInterpolationGlobale))
您可能想要移动您的数据,使 (0.05, 1.0)
成为您的原点 (0, 0)
以简化您的计算,然后执行 numpy.linalg.lstsq
x = TabX - 0.05
y = TabY - 1.0
X_poly = np.vstack((x ** 4, x ** 3, x ** 2))
poly_coeffs = np.linalg.lstsq(X_poly.T, y)
y_fit = np.dot(poly_coeffs, X_poly)
如果需要,您必须将多项式转换回您的旧坐标,但这种转换使拟合更加简单。
有关详细信息,请参阅 。
我正在寻找类似于 numpy.polyfit
的内容
我有一条带有固定点的曲线,看起来像 2 次多项式
我想做的是:
- 完全通过第一点(在下面的示例中
(0.05 , 1.0)
) - 关于第一个要点
derivative =0
示例:
TabX
:
0,050 ; 0,055 ; 0,060 ; 0,065 ; 0,070 ; 0,075 ; 0,080 ; 0,085 ; 0,090 ; 0,095 ; 0,100 ; 0,110 ; 0,120 ; 0,130 ; 0,140 ; 0,150 ; 0,160 ; 0,170 ; 0,180 ; 0,190 ; 0,200 ; 0,210 ; 0,220 ; 0,230 ; 0,243
TabY
:
1,000000000 ; 1,000446069 ; 1,000395689 ; 1,000359466 ; 1,000313867 ; 0,999937484 ; 0,999760969 ; 0,999811533 ; 0,999966352 ; 0,999767956 ; 1,000148567 ; 1,000634904 ; 1,000735849 ; 1,001199937 ; 1,001510678 ; 1,001722496 ; 1,001992602 ; 1,002487029 ; 1,003492247 ; 1,004006533 ; 1,004832845 ; 1,005730132 ; 1,006327527 ; 1,007109894 ; 1,008266254
我已经找到了解决第一点的 "simple but barbaric" 解决方案:我在这一点上增加了很多权重,或者使用权重函数,或者通过在 TabX
和 TabY
中的大量 1.0
并使用正常的 np.polyfit 函数。它很丑,但它有效。
但是我真的不知道derivative=0
在(0.05;1.0)
此外,在 this thread 中据说拉格朗日乘数可以解决问题,但我无法使用 @Jaime 编写的函数,我遇到了错误 LinAlgError, 'Singular matrix'
此外,由于我必须能够在基本 Abaqus
中启动此脚本,因此解决方案只能使用基本 python 2.7
和 numpy
。在此实现中无法使用 scipy
或 matplotlib
。
_____________________________________________________________________
编辑:使用 DanielF 的回答,我可以做一些半成品(也感谢 DanielF 对我的原作的更正 post,阅读起来更简单)
使用新的来源是个好主意 但是,我无法使我的数据高效 这是有效的:
def WorkingDeg4 ():
x = np.arange(100)
y0 = 4.0*x**4+0.07 * x ** 3 + 0.3 * x ** 2 + 1.1 * x
y = y0 + 1000 * np.random.randn(x.shape[0])
XX = np.vstack((x**4,x ** 3, x ** 2, x, np.ones_like(x))).T
p_all = np.linalg.lstsq(XX, y)[0]
pp = np.polyfit(x, y, 3)
p_no_offset = np.linalg.lstsq(XX[:, :-1], y)[0]
y_fit = np.dot(p_no_offset, XX[:, :-1].T)
for i in range(0,len(x)):
print x[i],y0[i],y[i],y_fit[i]
但是如果我想用我的数据做 int 我主要说:
if __name__ == '__main__':
MyDataX=[0.050 , 0.055 , 0.060 , [...], 0.243]
MyDataY=[1.000000000 , 1.000446069 , 1.000395689 , [...] , 1.008266254]
TabX=[0.0]*len(MyDataX)
TabY=[0.0]*len(MyDataY)
for i in range(0,len(TabX)):
TabX[i]=MyDataX[i]-MyDataX[0]
TabY[i]=MyDataY[i]-MyDataY[0]
所以,在这一点上,我做了 "back to origin" 阶段
我想做与 def Working
相同的事情,但为了我的数据,所以我复制了 tge WorkingDeg4 并删除了 x 和 y 的创建并将其放入参数
def NOTWorkingDeg4 (x,y):
XX = np.vstack((x**4,x ** 3, x ** 2, x, np.ones_like(x))).T
p_all = np.linalg.lstsq(XX, y)[0]
pp = np.polyfit(x, y, 3)
p_no_offset = np.linalg.lstsq(XX[:, :-1], y)[0]
y_fit = np.dot(p_no_offset, XX[:, :-1].T)
这个没用....我在
这行有一个赌注XX = np.vstack((x**4,x ** 3, x ** 2, x, np.ones_like(x))).T
说TypeError: unsupported operand type(s) for ** or pow(): 'list' and 'int'
所以据我了解,它不想这样做,因为我在 x**4
这样做时,x 不是整数。但我不知道如何解决这个问题
_____________________________________________________________________ 编辑 2:找到它: 问题是启动 TabX 和 TabY,不是作为数组,而是作为 np.array 错误:
TabX=[0.0]*len(MyDataX)
TabY=[0.0]*len(MyDataY)
右:
TabX=np.array([0.0]*len(LongueursFissureGlobale))
TabY=np.array([0.0]*len(CourbeInterpolationGlobale))
您可能想要移动您的数据,使 (0.05, 1.0)
成为您的原点 (0, 0)
以简化您的计算,然后执行 numpy.linalg.lstsq
x = TabX - 0.05
y = TabY - 1.0
X_poly = np.vstack((x ** 4, x ** 3, x ** 2))
poly_coeffs = np.linalg.lstsq(X_poly.T, y)
y_fit = np.dot(poly_coeffs, X_poly)
如果需要,您必须将多项式转换回您的旧坐标,但这种转换使拟合更加简单。
有关详细信息,请参阅