在 python 中打印曲面拟合方程

Question

我正在尝试使用 matplotlib 将表面模型拟合到 3D 数据集 (x,y,z)。
其中 z = f(x,y).
所以，我要用方程进行二次拟合：

f(x,y) = ax^2+by^2+cxy+dx+ey+f

到目前为止，我已经使用最小二乘法成功绘制了 3d 拟合曲面：

# best-fit quadratic curve    
   A = np.c_[np.ones(data.shape[0]), data[:,:2], np.prod(data[:,:2], axis=1), data[:,:2]**2]    
   C,_,_,_ = scipy.linalg.lstsq(A, data[:,2])    
   #evaluating on grid      
   Z = np.dot(np.c_[np.ones(XX.shape), XX, YY, XX*YY, XX**2, YY**2], C).reshape(X.shape)

但是，我怎样才能 print/get 曲面的拟合方程（带有系数值）？

我将不胜感激。
谢谢。

Answer 1

根据函数 scipy.linalg.lstsq http://docs.scipy.org/doc/scipy-0.15.1/reference/generated/scipy.linalg.lstsq.html 的文档，估计的系数应存储在变量 C 中（顺序对应于 A 中的列）。

要打印带有小数点后 2 位数字的估计系数的方程式：

print 'f(x,y) = {:.2f}x^2+{:.2f}y^2+{:.2f}xy+{:.2f}x+{:.2f}y+{:.2f}'.format(C[4],C[5],C[3],C[1],‌C[2],C[0])

或：

print 'f(x,y) = {4:.2f}x^2+{5:.2f}y^2+{3:.2f}xy+{1:.2f}x+{2:.2f}y+{0:.2f}'.format(*C)

顺便说一下，图书馆 pandas 和 statsmodels 对这类任务很有帮助（例如检查 Run an OLS regression with Pandas Data Frame ）

在 python 中打印曲面拟合方程

print surface fit equation in python

python

numpy

matplotlib

scipy

least-squares