如何在 Python 中执行局部多项式拟合

Question

我有 200k 个数据点，我正在尝试获取拟合多项式的导数。我每 0.5 K 将我的数据集分成更小的数据集，数据是电压与温度的关系。我的代码大致如下所示：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
testset=pd.read_csv('150615H0.csv',sep='\t')
x=np.linspace(1,220,219)
ub=min(testset['T(K)'])
lb=min(testset['T(K)'])-1
q={i:testset[(testset['T(K)'] < ub+i) & (testset['T(K)'] > lb+i)] for i in x}
f={j:np.polyfit(q[j]['T(K)'],q[j]['Vol(V)'],4) for j in q}
fs={k:np.poly1d(f[k]) for k in f}
fsd={l:np.polyder(fs[l],1) for l in fs}
for kk in q:
    plt.plot(q[kk]['T(K)'],fsd[kk](q[kk]['T(K)']),color='blue',linewidth=2,label='fit')

不出所料，导数是不连续的，我不喜欢它。有没有其他方法可以局部拟合多项式，同时得到连续导数？

Answer 1

查看 Savitzky-Gollay filter 以获得有效的局部多项式拟合。

例如在scipy.signal.savgol_filter中实现。拟合多项式的导数可以用deriv=1参数获得。

如何在 Python 中执行局部多项式拟合

How to perform local polynomial fitting in Python

python

signal-processing

numpy

derivative

data-fitting