Unity中画2D图表（5）——给定一系列散点，拟合出一条曲线

已于 2023-02-23 15:49:01 修改
阅读量1.6k 收藏 5
点赞数 1
文章标签： unity 游戏引擎 曲线拟合
于 2023-02-23 15:46:58 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dzj2021/article/details/129181052
版权

一、散点数据、拟合直线、拟合曲线

  • 蓝色圆点是数据样本
  • 直线为拟合的直线
  • 曲线是拟合出来的曲线
    在这里插入图片描述

二、C#中曲线拟合的实现

  • 0、曲线拟合的一般步骤（以平面坐标XY为例）
    【1】给定计算拟合的阶数k，k的取值最大为【样本个数-1】
    【2】计算出拟合参数列表
    【3】给定一个x值，用拟合参数计算对应的y值
    【4】计算所有的y值

注意：拟合阶数是一个参数变量，根据值的不同，存在欠拟合和过拟合的情况

1、使用到的包——MathNet

using MathNet.Numerics;

2、曲线拟合的函数

Fit.Polynomial(X, Y, k)

X和Y是一个同型的double数组
k是阶数，为int类型

3、一个简单地测试例子

double[] X = Enumerable.Range(1, 7).Select(r => (double)r).ToArray();
double[] Y = new double[] { 1, 3, 90, 150, 7, 6, 4 };
double[] parameters = Fit.Polynomial(X, Y, 5);  //此处拟合阶数为5（阶数能取的最大值为：【样本个数 - 1】 = 6），此时返回的参数列表长度为【阶数+1】= 6
  • 此处拟合阶数为5（阶数能取的最大值为：【样本个数 - 1】 = 6）
  • 参数列表长度为【阶数+1】= 6

4、如何通过给定的x坐标值和拟合参数，计算y值

以上图为例，参数组合parameters计算出来为：[913.28 , -1786.49 , 1156.04 , -317.26 , 38.92 , -1.76]
简要记录为[p0,p1,p2,p3,p4,p5]

给定一个x值，要计算对应的y值，公式为
y = f(x) = p0 * x^0 + p1 * x^1 + p2 * x^2 + … + p5 * x^5

/// <summary>
/// 根据拟合参数和给定的x值，计算对应的y值
  /// y = f(x) = p0 * x^0 + p1 * x^1 + p2 * x^2 + .... + pk * x^k
  /// </summary>
  /// <param name="X">x的坐标系列</param>
  /// <param name="paras">拟合参数数组</param>
  /// <returns>拟合出来的Y系列值</returns>
  public double[] getNewY(double[]X,double[]paras)
  {
      var newY = X.Select(x =>
              paras
                  .Select((p, index) => p * math.pow(x, index))  //计算多项式的每一项
                  .Sum()                                                     //所有项求和  
      ).ToArray();

      return newY;
  }

5、原有样本太少，中间插入更多的估值点

  • 【1】生成更密的x系列
 /// <summary>
    /// 在x1和x2之间插值，步进为step，生成一个新的系列[x1...x2]
    /// </summary>
    /// <param name="x1">起始值</param>
    /// <param name="x2">结束值</param>
    /// <param name="step">步进值</param>
    /// <returns>返回的系列</returns>
    public double[] genNewX(double x1, double x2, double step)
    {
        List<double> newX = new();
        newX.Add(x1);

        double currentX = x1;
        while (currentX <= x2)
        {
            currentX += step;
            newX.Add(currentX);
        }

        if (!newX.Contains(x2)) newX.Add(x2);

        return newX.ToArray();
    }
  • 【2】计算x新列对应的y系列值
double[] parameters = Fit.Polynomial(X.ToArray(), Y.ToArray(), 5);

double[] newX = genNewX(X.Min(), X.Max(), 0.1f);
Debug.Log("生成新的X坐标完成");

//计算新的拟合值
var newY = getNewY(newX, parameters).ToList();
Debug.Log("生成新的Y坐标完成");

三、代码清单

using MathNet.Numerics;
using System;
using System.Collections.Generic;
using UnityEngine;
using XCharts.Runtime;
using System.Linq;
using Cysharp.Threading.Tasks;
using Unity.Mathematics;

/// <summary>
/// 曲线拟合
/// </summary>
public class FitPolynomial : MonoBehaviour
{
    public GameObject charRoot;
    public List<double> X = new List<double>();
    public List<double> Y = new List<double>();

    // Start is called before the first frame update

#if UNITY_EDITOR
    [ContextMenu("曲线拟合")]
#endif
    void FitPolynomialTest()
    {
        /*
         * 多项式拟合如何计算？
         */
        double[] X = Enumerable.Range(1, 7).Select(r => (double)r).ToArray();
        double[] Y = new double[] { 1, 3, 90, 150, 7, 6, 4 };
        double[] parameters = Fit.Polynomial(X, Y, 5);  //阶数最大为【样本个数 - 1】

        Debug.Log($"参数数组的大小为：{parameters.Length}");

        //拟合参数的数组：数组大小为【阶数 + 1】，阶数最大只能为【样本个数 - 1】
        parameters.ToList().ForEach(x => Debug.Log(x));  //显示参数

        //计算结果值
        List<double> result = new List<double>();
        for (int i = 1; i < 8; i++)
        {
            result.Add(parameters[0] * math.pow(i, 0) + parameters[1] * math.pow(i, 1) + parameters[2] * math.pow(i, 2) + parameters[3] * math.pow(i, 3) + parameters[4] * math.pow(i, 4) + parameters[5] * math.pow(i, 5));
        }

        List<double> result2 = getNewY(X, parameters).ToList();

        //Debug.Log($"Pow(2,0) = {math.pow(2,0)}  \n  Pow(2,1) = {math.pow(2, 1)}  \n  Pow(2,2) = {math.pow(2, 2)} ");
        for (int i = 0; i < X.Length; i++)
        {
            Debug.Log($"{X[i]}    {Y[i]}   {result[i]}   {result2[i]}");
        }
    }

    /// <summary>
    /// 根据拟合参数和给定的x值，计算对应的y值
    /// y = f(x) = p0 * x^0 + p1 * x^1 + p2 * x^2 + .... + pk * x^k
    /// </summary>
    /// <param name="X">x的坐标系列</param>
    /// <param name="paras">拟合参数数组</param>
    /// <returns>拟合出来的Y系列值</returns>
    public double[] getNewY(double[]X,double[]paras)
    {
        var newY = X.Select(x =>
                paras
                    .Select((p, index) => p * math.pow(x, index))  //计算多项式的每一项
                    .Sum()                                                     //所有项求和  
        ).ToArray();

        return newY;
    }

    /// <summary>
    /// 在x1和x2之间插值，步进为step，生成一个新的系列[x1...x2]
    /// </summary>
    /// <param name="x1">起始值</param>
    /// <param name="x2">结束值</param>
    /// <param name="step">步进值</param>
    /// <returns>返回的系列</returns>
    public double[] genNewX(double x1, double x2, double step)
    {
        List<double> newX = new();
        newX.Add(x1);

        double currentX = x1;
        while (currentX <= x2)
        {
            currentX += step;
            newX.Add(currentX);
        }

        if (!newX.Contains(x2)) newX.Add(x2);

        return newX.ToArray();
    }

#if UNITY_EDITOR
    [ContextMenu("画散点图并拟合一条直线")]
#endif
    void DrawLine()
    {
        Flow();
    }

    private async UniTask Flow()
    {
        //【1】=============画散点图=============
        var scatter = charRoot.AddComponent<ScatterChart>();
        scatter.Init();//初始化极为重要，不然在running状态会报空

        var title = scatter.GetOrAddChartComponent<Title>();
        title.text = "用给定的散点拟合出一条直线和一条曲线";         //主标题

        await UniTask.Delay(TimeSpan.FromSeconds(2.0f));
        scatter.SetSize(1024, 768);
        scatter.AddSerie<Serie>("数据分布图");
        Debug.Log($"数据长度为：{scatter.series[0].data.Count}"); //默认自带10个数据，需要删除
        scatter.series[0].data.Clear();

        await UniTask.Delay(TimeSpan.FromSeconds(2.0f));
        var X = new List<double> { 1, 2, 3, 4, 5, 6,7,8 ,9,10,11,12,13};
        var Y = new List<double> { -20, -8, 6, 48,200,300,500, 800,500,100, 20,2,0 };

        var test = X.Zip(Y, (x, y) => new List<double> { x, y }).ToList();

        X.Zip(Y, (x, y) => new List<double> { x, y }).ToList().ForEach(t =>
        {
            //Debug.Log($"添加数据：{t[0]} => {t[1]}");
            scatter.AddData(0, t);
        });
        scatter.series[0].symbol.size = 9;//设置大小

        //【2】=============直线拟合计算=============
        await UniTask.Delay(TimeSpan.FromSeconds(2.0f));
        var s = Fit.Line(X.ToArray(), Y.ToArray());
        double b = s.Item1; //截距
        double k = s.Item2; //斜率

        //【3】=============画拟合出来的直线=============
        var line1 = scatter.AddChartComponent<MarkLine>(); //添加一根直线
        line1.data.Clear();//清空默认值，添加组的时候，会默认包含一个item

        //增加一个端点数据
        await UniTask.Delay(TimeSpan.FromSeconds(2.0f));
        var p1 = new MarkLineData();
        p1.type = MarkLineType.None;
        p1.group = 1;
        p1.xPosition = 0;
        p1.yPosition = 0;
        p1.xValue = X.Min();
        p1.yValue = X.Min() * k + b;
        p1.zeroPosition = false;

        //标注【直线方程式】
        await UniTask.Delay(TimeSpan.FromSeconds(2.0f));
        var op = b > 0 ? "+" : "-";

        var kStr = Math.Round(k, 2, MidpointRounding.AwayFromZero).ToString();
        var bStr = Math.Round(math.abs(b), 2, MidpointRounding.AwayFromZero).ToString();
        p1.name = $"y = {kStr} * x {op}{bStr}";
        p1.label.formatter = "{b}";

        //直线的形状设置
        p1.lineStyle.type = LineStyle.Type.Solid;
        p1.startSymbol.type = SymbolType.None;
        p1.endSymbol.type = SymbolType.None;

        //添加第二个端点数据
        var p2 = new MarkLineData();
        p2.type = MarkLineType.None;
        p2.group = 1;
        p2.xPosition = 0;
        p2.yPosition = 0;
        p2.xValue = X.Max();
        p2.yValue = X.Max() * k + b;
        p2.zeroPosition = false;
        p2.name = $"y = {kStr} * x {op}{bStr}"; ;//"y = 0 * x + 15";
        p2.label.formatter = "{b}";

        Debug.Log($"y = {kStr} * x {op}{bStr}");

        //直线的形状设置
        p2.lineStyle.type = LineStyle.Type.Solid;
        p2.startSymbol.type = SymbolType.None;
        p2.endSymbol.type = SymbolType.None;

        //端点数据加入直线中
        line1.data.Add(p1);
        line1.data.Add(p2);

        //【4】曲线拟合：拟合参数的计算
        double[] parameters = Fit.Polynomial(X.ToArray(), Y.ToArray(), 5);

        double[] newX = genNewX(X.Min(), X.Max(), 0.1f);
        Debug.Log("生成新的X坐标完成");

        //计算新的拟合值
        var newY = getNewY(newX, parameters).ToList();
        Debug.Log("生成新的Y坐标完成");

        //画拟合曲线
        var serie2 = scatter.AddSerie<Line>("拟合曲线");
        newX.Zip(newY, (x, y) => new List<double> { x, y }).ToList().ForEach(t =>
        {
            scatter.AddData(1, t);
        });

        scatter.RefreshAllComponent();
    }
}

在这里插入图片描述

dzj2021
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
散点图拟合曲线
weixin_52416594的博客
12-25 1万+
笔记：散点图拟合曲线1 导入库2 构造散点2 利用polyfit拟合图形3 拟合评估（R方）4 输出拟合方程 1 导入库 import numpy as np import matplotlib.pyplot as plt import seaborn as sns sns.set() pd.set_option('float_format', lambda x: '%.2f' % x) plt.style.use('seaborn') %matplotlib inline plt.rcParams['f
C#基于最小二乘法对曲线进行线性拟合，并计算斜率
weixin_50236846的博客
04-11 417
创作动力：在工控测试类项目中，经常需要对测试数据进行深度计算，其中就包含斜率的计算，为了验证计算的正确与否，需要对excel数据进行二次验证，此时需要一款能够读取excel数据并进行线性拟合计算的斜率的小工具，本项目就应运而生。文章末尾包含源码链接。 功能介绍：1、能够获取Excel中所有sheet页的内容，并赋值到DataTable。 2、对获取到的数据使用最小二乘法来进行线性拟合。
unity屏幕画线2D，3d
weixin_43754633的博客
03-25 4090
lineRender基本保持不变。
MathNet.Numerics Api 详细说明最小二乘法等MathNet.Numerics是一个.NET的开源数学库。
03-01
开源数学库，包含了.NET平台上的面向对象数字计算的基础类。类似 NMath ，但 NMath 是收费的。 https://blog.csdn.net/zyyujq/article/details/123215130 Combinatorics 排列组合相关功能 ComplexExtensions 对System.Numerics类中复数相关功能的扩展 Constants 数学中常用的一些常数。 ContourIntegrate 对库的参数进行配置。 Differentiate 导数，对函数求一阶导数和二阶导数等。 Distance 各种类型的距离计算。 Euclid 整数数论。 Evaluate 多项式评价函数，类似于Matlab中Polyval。 ExcelFunctions excel 常用的函数，仅作为从excel转移到MathNet的过渡，不推荐正式使用。 FindMinimum 极小值迭代器。 FindRoots 方程求根。 Fit 使用最小二乘算法拟合数据。支持直线、多项式、指数等多种函数拟合。 Generate 生成器：斐波那契数列、线性数组、正态分布等。
Unity中画2D图表（1）——用XChart包绘制折线图
穿裤子的云
02-13 2630
做一些数据处理和数据分析的时候，把数据可视化是一项重要的工作，本例以画一个包含两条温度曲线的图开始...... 1、设置图表的大小 2、设置主标题，子标题 3、设置Tooltip和Legend 4、设置XY的刻度标签值 5、在一个chart里画多条折线，比如2根折线 6、x轴刻度标签旋转(倾斜)设置 7、设置线条的颜色 8、线条粗细设置 9、线条平滑设置 看完后，记得自己动手画一次
散点曲线拟合常用思路（课设被逼无奈）
时时总结，常常分享
01-07 9796
最近课设经常要插值，拟合什么的，觉得需要总结下使用的工具，我主要使用了三种方式来实现。 matlab excle python
c#数据拟合小程序，对.txt里的数据进行拟合，然后输出.txt文件到指定文件夹 MathNet.Numerics Fit.Polynomial(D,temp, 15)
qq_40317340的博客
08-07 1326
链接：https://pan.baidu.com/s/1En63p2hx4fcaTBcWvXMfJA?选择的文本文档数据一行一个数据，数据量就是文本文档的列数。c# winform打开文件夹，获取文件名称字符串。MathNet.Numerics的使用。对文本文档读取里面的数据，写文件。–来自百度网盘超级会员V6的分享。...
unity统计图表、曲线图表、饼图、柱状图、多边形图、2D、3D
01-18
1. **Unity统计图表**：Unity提供了一系列工具和插件，如Unity Analytics，用于收集和分析游戏数据，然后可以创建自定义的统计图表来显示这些信息。这可能包括玩家的活跃度、游戏内购买行为、用户留存率等。 2. **...
Unity高度集成2D开发环境——ex2D2
08-08
【Unity高度集成2D开发环境——ex2D2】是一个专为Unity 3D平台设计的高效2D游戏开发工具，旨在提供一个全面且优化的2D Sprite和UI解决方案。这个框架特别关注2D动画技术和在移动设备上实现高性能的2D场景渲染。ex2D...
Unity实现画线条功能
08-26
在 Unity 中实现画线条功能是游戏开发中的一个常见需求，本文将详细介绍如何使用 LineRender 组件来实现画线条功能，并提供了一个完整的示例代码。 知识点一：LineRender 组件的使用 LineRender 组件是 Unity 中的...
Unity绘画插件2d3d paint
07-08
资源仅供学习交流使用
unity开发的2D图片资源
05-19
unity开发的2D图片资源 包括npc,player的各种人物动作图，游戏画面素材，场景图标，天空，声音图标，飞鸟，怪物等各种2D游戏图标。 unity开发的2D图片资源 包括npc,player的各种人物动作图，游戏画面素材，场景图标...
unity中利用C#的Math.Net库进行FFT傅里叶变换和自定义滤波
qq_23936433的博客
12-26 8736
unity中利用C#的Math.Net库进行FFT傅里叶变换和自定义滤波 研二实验室我需要研究运动平台的控制，其中需要在Unity中对虚拟载具的线加速度和角速度进行滤波，这其中花了不少时间，试了几个帖子的自己写的傅里叶变换代码，测试结果和标准还是有点区别，于是最后干脆采用了Math.Net库的方法，测试下来没有问题，和MatLab结果一致。总结下来，为了帮助别人少走弯路。 主要内容分两块： 1.安...
C#使用mathNet进行线性拟合和多次拟合
热门推荐
学习记录
10-26 1万+
首先需要引用mathNet，VS2013及以上的版本在联网的情况下可以按照下面的步骤进行添加引用。 首先需要新建一个项目，在自己的项目界面中，依次选择工具–>NuGet包管理器–>程序包管理器控制台。 在打开的程序包管理器控制台中输入如下命令 Install-Package MathNet.Numerics 等待几秒钟即可看到安装成功。 线性拟合代码： Tuple<doub...
chatgpt赋能python：Python散点图连接成光滑曲线的技巧
www_xuhss_com的博客
06-06 1169
本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。对于颠覆工作方式的ChatGPT，应该选择拥抱而不是抗拒，未来属于“会用”AI的人。🧡AI职场汇报智能办公文案写作效率提升教程 🧡专注于AI+职场+办公方向。下图是课程的整体大纲下图是AI职场汇报智能办公文案写作效率提升教程中用到的ai工具。
Unity中使用二元线性回归
穿裤子的云
12-15 1436
Unity中使用二元线性回归
C# Forecast 预测数据方法，MathNet.Numerics学习分享
SC BK
05-15 631
C# 通过已知数据预测未来数据，模拟Excel的 Forecast 函数， 及数据处理好用的MathNet.Numerics 学习分享
【游戏引擎之路】登神长阶（七）——x86汇编学习：凡做难事，必有所得
最新发布
黄金之海
07-11 1169
游戏引擎开发日记，汇编语言学习。汇编比自已想象中要强大很多。
matlab三维图中画z=0平面
04-19
对于您的问题，我可以提供以下代码示例来在 Matlab 三维图中绘制 z=0 平面： ```matlab [X,Y] = meshgrid(-10:0.1:10); % 生成网格点 Z = zeros(size(X)); % z=0 平面上所有点的高度都是 0 surf(X,Y,Z) % 绘制三维图 ``` 注意，这段代码仅仅绘制了 z=0 平面，如果您需要在三维图中添加其他内容，还需要根据您的具体需求进行相应的修改。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值