Python基础教程学习第九日：SciPy-数值计算库

最新推荐文章于 2024-10-13 04:00:00 发布

小时候贼聪明

最新推荐文章于 2024-10-13 04:00:00 发布

阅读量1.7k

点赞数

分类专栏： Python 学习笔记文章标签： python

本文链接：https://blog.csdn.net/wspba/article/details/72809403

版权

本文介绍了Python的SciPy库在数值计算中的应用，包括最小二乘法、函数最小值求解、非线性方程求解和插值函数的使用。通过实例详细解析了leastsq、fmin_func、fsolve等函数的用法，展示了如何利用SciPy进行数据拟合、函数优化和方程求解。

摘要由CSDN通过智能技术生成

本文参考：http://old.sebug.net/paper/books/scipydoc/scipy_intro.html

最小二乘法

最小二乘法：

# -*- coding: utf-8 -*-
import numpy as np
from scipy.optimize import leastsq  #最小二乘法拟合函数leastsq
import pylab as pl

def func(x, p):
    """
    数据拟合所用的函数: A*sin(2*pi*k*x + theta)
    """
    A, k, theta = p
    return A*np.sin(2*np.pi*k*x+theta)   

def residuals(p, y, x):
    """
    实验数据x, y和拟合函数之间的差，p为拟合需要找到的系数
    """
    return y - func(x, p)

x = np.linspace(0, -2*np.pi, 100)   # 以0为起点，-2*pi为终点等差采样100个点
A, k, theta = 10, 0.34, np.pi/6 # 真实数据的函数参数
y0 = func(x, [A, k, theta]) # 真实数据
y1 = y0 + 2 * np.random.randn(len(x)) # 加入噪声之后的实验数据    

p0 = [7, 0.2, 0] # 第一次猜测的函数拟合参数

# 调用leastsq进行数据拟合，p为需要拟合的参数
# residuals为计算误差的函数
# p0为拟合参数的初始值
# args为需要拟合的实验数据
plsq = leastsq(residuals, p0, args=(y1, x))

print u"真实参数:", [A, k, theta] 
print u"拟合参数", plsq[0] # 实验数据拟合后的参数

pl.plot(x, y0, lab