我拥有的数据始终是二次多项式(二次函数)。我想尽可能准确地找到插值函数的峰值。
到目前为止,我一直在使用 interp1d,然后使用 linspace 和一个简单的 for 循环提取峰值。尽管您可以在 linspace 中使用大量新生成的样本,但使用拟合多项式的导数仍然可以更加精确。
我还没有找到使用 interp1d。
现在我发现返回拟合多项式系数的唯一函数是 polyfit,但这个拟合函数非常不准确(大多数时候函数甚至不通过数据点).
我试过使用 UnivariateSpline 并且拟合函数似乎非常准确,并且很容易获得导数样条及其根。
其他多项式拟合函数(BarycentricInterpolator、KroghInterpolator ...)声明,出于数值稳定性的原因,它们不计算多项式系数。
UnivariateSpline 及其派生词的准确性如何,或者是否有更好的选择?
请您参考如下方法:
如果您只需要找到二次多项式的最小值/最大值,为什么不这样做:
import matplotlib.pyplot as plt
from scipy.interpolate import KroghInterpolator
import numpy as np
x=range(-20,20)
y=[]
for i in x:
y.append((i**2)+25)
x=x[1::5]
y=y[1::5]
f=KroghInterpolator(x,y)
xfine=np.arange(min(x),max(x),.5)
yfine=f(xfine)
val_interp=min(yfine)
print val_interp
plt.scatter(x,y)
plt.plot(xfine, yfine)
plt.show()
