python三次方函数_scipy - 不同的python函数适合三次样条曲线，查找系数 - 堆栈内存溢出...

我在这里看到的具体问题是， UnivariateSpline不会在插值样条曲线中产生x的各种幂的代数系数。 这是因为它使私人系数_data属性，它也与返回get_coeffs方法，是一种B样条系数 。 这些系数描述了样条曲线，没有任何冗余（对于具有N个自由度的样条曲线，您需要N个样条曲线），但是附加到它们的基本样条曲线有些复杂。

但是，您可以通过使用样条线对象的derivatives方法来获得所需的系数类型。 它返回给定点x的所有四个导数，从该点很容易找到泰勒系数 。 很自然地使用此方法，其中x是插值的结点​​，最右边的除外。 从该结到下一个结，获得的系数是有效的。 这是一个示例，其中包含“花式”格式的输出。

import numpy as np

from scipy.interpolate import UnivariateSpline

spl = UnivariateSpline(np.arange(6), np.array([3, 1, 4, 1, 5, 9]), s=0)

kn = spl.get_knots()

for i in range(len(kn)-1):

cf = [1, 1, 1/2, 1/6] * spl.derivatives(kn[i])

print("For {0} <= x <= {1}, p(x) = {5}*(x-{0})^3 + {4}*(x-{0})^2 + {3}*(x-{0}) + {2}".format(kn[i], kn[i+1], *cf))

在此示例中，结数为0、2、3、5。 输出为：

For 0.0 <= x <= 2.0, p(x) = -3.1222222222222222*(x-0.0)^3 + 11.866666666666667*(x-0.0)^2 + -10.744444444444445*(x-0.0) + 3.000000000000001

For 2.0 <= x <= 3.0, p(x) = 4.611111111111111*(x-2.0)^3 + -6.866666666666667*(x-2.0)^2 + -0.7444444444444436*(x-2.0) + 4.000000000000001

For 3.0 <= x <= 5.0, p(x) = -2.322222222222221*(x-3.0)^3 + 6.966666666666665*(x-3.0)^2 + -0.6444444444444457*(x-3.0) + 1.0000000000000016

请注意，对于每段， cf均以最低的度数开头，因此在格式化字符串时顺序相反。

（当然，您可能想对这些系数做其他事情）

为了检查公式是否正确，我复制粘贴了它们以进行绘图：