Python数据处理
文章平均质量分 79
X射线双星
这个作者很懒,什么都没留下…
展开
-
Python-曲线拟合(三)
非线性函数拟合非线性函数不转化成线性函数直接使用scipy.optimizescipy.optimizescipy.optimize 下面的curvecurvecurve_fit()fit()fit()拟合scipy.optimize.curve_fit(f, xdata, ydata, p0=None, sigma=None)输入参数:fff: 拟合函数xdataxdataxdata,ydataydataydata: 被拟合数据点p0p0p0: 拟合参数初始值sigmasigmasi原创 2021-10-13 23:16:48 · 410 阅读 · 0 评论 -
Python-曲线拟合(二)
指数函数拟合如数据点分布近似于指数曲线,考虑用指数函数拟合y=beaxy=b e^{a x}y=beax先将上式化为对数,再做最小二乘直线拟合ln????=ax+lnb\ln ???? = ax + \ln blny=ax+lnb将其化为线性拟合实战:发射源的发射强度具有指数形式I=I0e−αtI = I_0e^{-\alpha t}I=I0e−αt.现有观测数据如下,试确定I0I_0I0和α\alphaα.ti0.20.30.40.50.60.70.8Ii3.162.381.751原创 2021-10-12 20:41:17 · 234 阅读 · 0 评论 -
Python-曲线拟合(一)
曲线拟合:一种函数近似,不要求通过数据点,合理反应数据的基本趋势。1. 最小二乘法拟合函数φ(xi)\varphi(x_i)φ(xi)与原始数据点????????????_????yi的偏差为:δi=φ(xi)−yi(i=0,1,2,⋯ ,n)\delta_{i}=\varphi\left(x_{i}\right)-y_{i} \quad(i=0,1,2, \cdots, n)δi=φ(xi)−yi(i=0,1,2,⋯,n)最小二乘法:min(∑i=1nδi2)\min \left(\s原创 2021-10-12 19:28:15 · 1196 阅读 · 0 评论 -
Python-插值基础(二)
一、分段低次插值1.分段三次样条插值将插值区间分成nnn个子区间,在第kkk个区间插入一个三次多项式:P3(x)=a0+a1x+a2x2+a3x3P_{3}(x)=a_{0}+a_{1} x+a_{2} x^{2}+a_{3} x^{3}P3(x)=a0+a1x+a2x2+a3x3需要四个方程定4个未知系数a0,a1,a2,a3a_0, a_1, a_2, a_3a0,a1,a2,a3.1️⃣ 已知条件: yk,yk+1y_{k}, y_{k+1}yk,yk+12️⃣ 选择原创 2021-10-12 18:56:11 · 609 阅读 · 0 评论 -
Python-插值基础(一)
一、插值(interpolation)的定义插值 :在离散数据的基础上补插连续函数,使得这条连续曲线通过全部给定的离散数据点。二、多项式插值f(x)≃a0+a1x+a2x2+⋯+an−1xn−1,(x≃xi)f(x) \simeq a_{0}+a_{1} x+a_{2} x^{2}+\cdots+a_{n-1} x^{n-1}, \quad\left(x \simeq x_{i}\right)f(x)≃a0+a1x+a2x2+⋯+an−1xn−1,(x≃xi).三、拉格朗日插值法1.原创 2021-10-10 23:19:38 · 2006 阅读 · 0 评论