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: