本文共 1027 字,大约阅读时间需要 3 分钟。
使用polyfit拟合曲线,代码如下
import numpy as npimport matplotlib.pyplot as plt #定义x、y散点坐标x = np.arange(0, 5)y = [0.472,0.469,0.447,0.433,0.418] #用3次多项式拟合f1 = np.polyfit(x, y, 3)p1 = np.poly1d(f1)yvals1 = p1(x) #拟合y值 #绘图plot1 = plt.plot(x, y, 's',label='original values')plot2 = plt.plot(x, yvals1, 'r',label='polyfit values') plt.xlabel('x')plt.ylabel('y')plt.show()
结果:
可以看到最后显示的是折线图,不够光滑,并没有达到拟合曲线的目标。查到有人说可以用样条曲线拟合,代码如下values = spcrv([[a(1) a a(end)];[b(1) b b(end)]],3);plot(values(1,:),values(2,:), 'g');
但是这个代码改了半天也还是跑不通,不知道问题在哪里。后来发现只要改成下面的代码就行了
import numpy as npimport matplotlib.pyplot as plt #定义x、y散点坐标x = np.arange(0, 5)y = [0.472,0.469,0.447,0.433,0.418] step = 0.01_x = np.arange(np.min(x), np.max(x), step)#用3次多项式拟合f1 = np.polyfit(x, y, 3)p1 = np.poly1d(f1)yvals1 = p1(_x) #拟合y值 #绘图plot1 = plt.plot(x, y, 's',label='original values')plot2 = plt.plot(_x, yvals1, 'r',label='polyfit values') plt.xlabel('x')plt.ylabel('y')plt.show()
加了一个_x,缩小计算yvals1时的取值间隙,不再直接使用原本数据量比较少的x,这样画出来的曲线就光滑了,结果如图
转载地址:http://zbqzi.baihongyu.com/