多项式插值拟合（二）

多项式二阶插值公式：y=ax^2+bx+c

interp1d(x,y,kind='quadratic')中kind参数值为'quadratic'

import numpy as np
from scipy.interpolate import interp1d,interp2d
import pylab as plx=np.array([1,2,3,4,5])
y=np.array([1,4,2,4,1])fc=interp1d(x,y,kind='quadratic')
xint=np.linspace(x.min(),x.max(),20)
print("x:",xint)
print("y:",fc(xint))
pl.scatter(xint,fc(xint),marker='o',c='r')
pl.plot(xint,fc(xint),color='blue')
pl.show()

插值点：

x: [1. 1.21052632 1.42105263 1.63157895 1.84210526 2.05263158
2.26315789 2.47368421 2.68421053 2.89473684 3.10526316 3.31578947
3.52631579 3.73684211 3.94736842 4.15789474 4.36842105 4.57894737
4.78947368 5. ]
y: [1. 2.1966759 3.09196676 3.68587258 3.97839335 3.96952909
3.65927978 3.04764543 2.37894737 2.04210526 2.04210526 2.37894737
3.04764543 3.65927978 3.96952909 3.97839335 3.68587258 3.09196676
2.1966759 1. ]

自定义函数实现：

3点确定方程参数

a=-((y2-y3)*x1-(x2-x3)*y1+x2*y3-x3*y2)/((x2-x3)*(x1-x2)*(x1-x3))
b = ((y2 - y3) * x1*x1 +x2*x2*y3-x3*x3*y2-(x2**2-x3**2)*y1) / ((x2 - x3) * (x1 - x2) * (x1 - x3))
c = ((x2*y3-x3*y2)*x1*x1  - (x2*x2*y3-x3*x3*y2) * x1 +(x2*x2*x3-x2*x3*x3)*y1) / ((x2 - x3) * (x1 - x2) * (x1 - x3))

import numpy as np
from scipy.interpolate import interp1d,interp2d
import pylab as plx=np.array([1,2,3,4,5])
y=np.array([1,4,2,4,1])xint=np.linspace(x.min(),x.max(),20)# 2、二次
def quadratic_inter(x1,y1,x2,y2,x3,y3,nx):a=-((y2-y3)*x1-(x2-x3)*y1+x2*y3-x3*y2)/((x2-x3)*(x1-x2)*(x1-x3))b = ((y2 - y3) * x1*x1 +x2*x2*y3-x3*x3*y2-(x2**2-x3**2)*y1) / ((x2 - x3) * (x1 - x2) * (x1 - x3))c = ((x2*y3-x3*y2)*x1*x1  - (x2*x2*y3-x3*x3*y2) * x1 +(x2*x2*x3-x2*x3*x3)*y1) / ((x2 - x3) * (x1 - x2) * (x1 - x3))ny=a*nx*nx+b*nx+creturn ny#
for i in range(0,len(x),2):if i + 2 < len(x):print("---------")# print(ny)nx=[]for val in xint:if  val>=x[i] and val<=x[i+2]:nx.append(val)print(nx)nx=np.array(nx)ny = quadratic_inter(x[i], y[i], x[i+1], y[i+1],x[i+2],y[i+2], nx)print(ny)pl.scatter(nx,ny,c='b',marker='o')pl.plot(nx,ny,color='red')pl.show()

分段连接存在不连贯，可优化。

插值点：

nx: [1.0, 1.2105263157894737, 1.4210526315789473, 1.631578947368421, 1.8421052631578947, 2.052631578947368, 2.263157894736842, 2.473684210526316, 2.6842105263157894, 2.894736842105263]
ny: [1. 2.04709141 2.87257618 3.47645429 3.85872576 4.01939058
3.95844875 3.67590028 3.17174515 2.44598338]
--------
nx: [3.1052631578947367, 3.3157894736842106, 3.526315789473684, 3.7368421052631575, 3.9473684210526314, 4.157894736842105, 4.368421052631579, 4.578947368421052, 4.789473684210526, 5.0]
ny: [2.44598338 3.17174515 3.67590028 3.95844875 4.01939058 3.85872576
3.47645429 2.87257618 2.04709141 1. ]

多项式插值拟合（二）相关推荐

MATLAB学习之多项式拟合和多项式插值（附源代码）
文章目录前言一.多项式的拟合二.多项式的插值 1.一维插值 2.二维插值三.问题探究 1.船在该海域会搁浅吗? 2.薄膜渗透率的测定四.源代码下载前言公司最近在做单颗粒质谱的设备,在数据 ...
插值与拟合 (一) ：拉格朗日多项式插值、Newton插值、分段线性插值、Hermite插值、样条插值、 B 样条函数插值、二维插值
插值:求过已知有限个数据点的近似函数. 拟合:已知有限个数据点,求近似函数,不要求过已知数据点,只要求在某种意义下它在这些点上的总偏差最小. 插值和拟合都是要根据一组数据构造一个函数作为近似,由于近似 ...
python多项式拟合_Python 普通最小二乘法（OLS）进行多项式拟合，最小二乘法拟合二次多项式,多元函数拟合。如电...
Python 普通最小二乘法(OLS)进行多项式拟合,最小二乘法拟合二次多项式,多元函数拟合.如电多元函数拟合.如电视机和收音机价格多销售额的影响,此时自变量有两个. python 解法:imp ...
基于MATLAB的二维与三维插值拟合运算（附完整代码）
· 一. 一维插值 interp1函数在上个博客中(如下链接)已经更新了,此处再补充两个相关例题. 基于MATLAB的数据插值运算:Lagrange与Hermite算法(附完整代码)_唠嗑!的博客-C ...
matlab 平滑曲线连接_平滑轨迹插值方法之多项式插值（附代码）
前言今天我们来聊聊轨迹插值,在机器人的运动规划和控制领域,参考轨迹的生成是一个历史悠久的问题,已经发展出了一系列的方法.今天我们就来聊一聊轨迹插值领域中最常见的轨迹插值方法:多项式插值. 说明:本文 ...
MATLAB之多项式插值
MATLAB之多项式插值一.算法原理 1.插值问题定义当精确函数 y = f(x) 非常复杂或未知时,在区间[a,b]上一系列节点x0,x1,x2,......xn处测得函数值f(x0).f(x1 ...
【多项式最小二乘拟合实验】
一.实验目的编制以函数{xk}k=0,-,n:为基的多项式最小二乘拟合程序.了解在matlab环境下曲线拟合问题的思想,掌握最小二乘拟合多项式拟合法和曲线拟合法,区分插值于拟合的不同之处. 二.实验 ...
数学建模准备插值（拉格朗日多项式插值，牛顿多项式插值，分段线性插值，分段三次样条插值，分段三次Hermite插值）
文章目录摘要(必看) 0 基础概念什么是插值插值用途什么是拟合插值和拟合的相同点插值和拟合的不同点 1 常用的基本插值方法 1.1 多项式插值法 1.1.1 拉格朗日多项式插值法多项式插 ...
基于MATLAB的多项式数据拟合方法研究-毕业论文
摘要:本论文先介绍了多项式数据拟合的相关背景,以及对整个课题做了一个完整的认识.接下来对拟合模型,多项式数学原理进行了详细的讲解,通过对文献的阅读以及自己的知识积累对原理有了一个系统的认识.介绍多项式 ...

多项式插值拟合（二）

多项式插值拟合（二）相关推荐

最新文章

热门文章