本文介绍了如何使用Python对离散数据进行多项式拟合和求导，以找到一阶和三阶导数的转折点。通过scipy.optimize.leastsq进行最小二乘拟合，但发现多项式拟合在某些情况下可能不准确，探讨了高斯函数拟合的可能性，但由于无法直接求导，最终仍采用多项式拟合方案。
有一组4096长度的数据，需要找到一阶导数从正到负的点，和三阶导数从负到正的点，截取了一小段。
394.0
388.0
389.0
388.0
388.0
392.0
393.0
395.0
395.0
394.0
394.0
390.0
392.0
按照之前所了解的，对离散值求导其实就是求差分，例如第i点的导数(差分)为：
即在一个宽度为2m+1的窗口内通过计算前后m个值加权后的和得到。但是在实际使用过程中效果不是很好。于是想到了同样在一个宽度为2k+1的窗口内，将这2k+1个点拟合成一个函数，然后求导就可以得到任意阶数的导数值。
首先是函数拟合，使用from scipy.optimize import leastsq即最小二乘拟合
from scipy.optimize import leastsq
class search(object):
def __init__(self, filename):
self.filename = filename
def func(self, x, p):
f = np.poly1d(p)
return f(x)
def residuals(self, p, x, y, reg):
regularization = 0.1 # 正则化系数lambda
ret = y - self.func(x, p)
if r
最低0.47元/天 解锁文章
扫一扫
7063
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
