在numpy中获取polyfit的反函数
在numpy中，可以使用polyval函数来获取polyfit的反函数。
polyfit函数是用于拟合多项式曲线的函数，它可以根据给定的数据点集合和多项式的阶数，返回拟合的多项式系数。而polyval函数则是用于计算多项式函数在给定点上的值。
要获取polyfit的反函数，可以按照以下步骤进行操作：
- 导入numpy库：在代码中首先需要导入numpy库，以便使用其中的函数。
import numpy as np- 准备数据：准备用于拟合的数据点集合。可以使用numpy数组来表示数据。
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 6, 8, 10])- 进行多项式拟合：使用polyfit函数进行多项式拟合，指定阶数。
coefficients = np.polyfit(x, y, 1) # 拟合一阶多项式- 获取反函数：使用polyval函数来计算拟合多项式在给定点上的值，即获取polyfit的反函数。
inverse_function = np.polyval(coefficients, x)在上述代码中，通过polyfit函数拟合了一阶多项式，并将拟合的多项式系数存储在coefficients变量中。然后，使用polyval函数计算了拟合多项式在给定点x上的值，即获取了polyfit的反函数。
polyfit的反函数可以用于根据拟合的多项式，计算出在给定点上的函数值，进而进行预测、插值等操作。
关于numpy的polyfit和polyval函数的更多详细信息，可以参考腾讯云的numpy文档：
相关·内容
我有一个带有趋势线的3点图，但我需要为特定的y值找到一个"x“值。这就是我所拥有的：
from numpy import *
from pylab import *
x = ng
y = density
plt.scatter(x, y)
z = np.polyfit(x, y, 1)
p = np.poly1d(z)
plt.plot(x,p(x),"r--")
X值基本上是DNA浓度，而y值是我计算的密度值。我需要找到一个密度为19159.8的DNA协作体。有没有人能帮帮我？
浏览 0提问于2020-07-24得票数 1
1回答
我使用numpy.polyfit得到一个线性回归: coeffs = np.polyfit(x，y，1)。
使用numpy计算拟合斜率误差的最佳方法是什么？
浏览 0提问于2014-12-04得票数 3
回答已采纳
我想将numpy.polyfit或Polynomial.polyfit应用于3个数据点a1，a2，a3，每个数据点都有大约300位数字。如果我使用：
x = numpy.array([1.0, 2.0, 3.0])
y = numpy.array([a1, a2, a3])
c = numpy.polyfit(x,y,2)
d = Polynomial.polyfit(x,y,2)
我得到的系数不精确，polyfit不接受数据类型dtype=object来处理具有大量数字的数字。另外，有没有办法从python中调用MAXIMA来解决这个问题？
浏览 0提问于2018-04-15得票数 1
我了解到numpy和scipy都具有多功能，并访问了这里：
为什么scipy.org有一个关于numpy.polyfit的页面？numpy.polyfit和scipy.polyfit是一样的吗？如果没有，我应该使用哪一个？
浏览 2提问于2016-07-08得票数 2
回答已采纳
当我在Pycharm中运行任何使用Numpy的程序时，它会返回以下错误：
init_dgelsd failed init
Traceback (most recent call last):
File "<input>", line 1, in <module>
File "/private/var/folders/0_/ry6vqn855lq0d7n4mww1fks00000gn/T/AppTranslocation/2710F87A-D4CC-42F0-82D4-81D5521E1E33/d/PyCharm CE.app/Conten
浏览 2提问于2020-10-06得票数 2
回答已采纳
numpy有两组多项式工具，一个在基本的numpy库中，另一个在numpy.polynomial中。为什么有两个？一个比另一个更好吗？这可能是为了保持向后兼容性，还是我应该注意到其中的显著差异？
例如，在两个库中都可以找到polyfit和polyval，它们似乎使用相同的算法，但它们的参数不同(它们期望系数的顺序相反)。
来自numpy
def polyfit(x, y, deg, rcond=None, full=False, w=None, cov=False)
def polyval(p, x)
系数从高到低度依次排列。
来自numpy.polynomial
def polyfit(x,
浏览 0提问于2020-06-30得票数 0
回答已采纳
1回答
向量化numpy中的根查找
、、、、
我需要运行一个函数来找到依赖于大量数据中的一个参数的方程的根(实际的方程要复杂得多，但形式上是等价的)。
def f(x):
return numpy.optimize.brentq(lambda y:numpy.exp(-abs(x)*y)-y,0,1)
对它进行矢量化方便吗？我试着使用numpy.vectorize(f)，它工作得很好，但我认为它的速度和python for循环一样快。
是否有某种手动向量化来更好地利用numpy数组计算的能力？
浏览 1提问于2015-08-19得票数 2
2回答
在数据集(X，Y，Yerr)上进行最小二乘多项式拟合，得到拟合参数的协方差矩阵。此外，由于我有许多数据集，CPU时间是一个问题，所以我正在寻找一个分析(=快速)的解决方案。我发现了以下(非理想的)选项：
numpy.polyfit做拟合，但不考虑误差Yerr，也不返回协方差；
numpy.polynomial.polynomial.polyfit确实接受Yerr作为输入(以权重的形式)，但也不返回协方差；
scipy.optimize.curve_fit和scipy.optimize.leastsq可以被裁剪成拟合多项式并返回协方差矩阵，但作为迭代方法，这些方法比polyfit例程(产生解析解
浏览 3提问于2012-10-08得票数 3
两者有什么区别？
和
我应该在什么时候使用哪一种？
我检查了代码，但是它们都在代码中使用了numpy.linalg.linalg.lstsq，但是它们不同。
numpy.polyfit的文档还建议使用
什么是正确的选择？
(奖金:当我想要做的第一件事是适应我的数据时，我该如何使用这个类呢？)
浏览 1提问于2019-10-31得票数 6
回答已采纳
我正在使用Python3.6进行数据拟合。最近，我遇到了下面的问题，我缺乏经验，所以我不知道如何处理这个问题。
如果在同一组数据点上使用numpy.polyfit(x，y，1，cov=True)和scipy.curve_fit(lambda: x，a，b: a*x+b，x，y)，则得到几乎相同的系数a和b，但scipy.curve_fit的协方差矩阵的值约为numpy.polyfit值的一半。
由于我想使用协方差矩阵的对角线来估计系数的不确定性(u =numpy.sqrt(numpy.diag(Cov)，所以我有三个问题：
哪个协方差矩阵是正确的(我应该使用哪一个)？
为什么会有区别？
浏览 3提问于2018-08-23得票数 7
回答已采纳
我有Matlab中的代码，需要用到Python。
x_cord = [58.2986 39.5842 23.0044 10.9427 3.0465]
y_cord = [0.9600 0.9700 0.9800 0.9900 1.0000]
[p,S,mu]=polyfit(x_cord, y_cord, 3); % p = [-0.002120716372462 0.004361710897014 -0.014104050472739 0.977080254892409]
result=polyval(p, 16.574651718139650, [], mu); % result = 0.
浏览 2提问于2017-07-26得票数 3
回答已采纳
2回答
我对编程很陌生，我想我会尝试写一个分段线性插值函数。(可能是用numpy.interp还是scipy.interpolate.interp1d完成的)
假设我得到的数据如下: x= 1，2.5，3.4，5.8，6 y=2，4，5.8，4.3，4
我想设计一个分段插值函数，用Python给出在1到2.5之间，2.5到3.4之间的所有线性多项式的系数。当然，matlab有这样做的interp1函数，但是我使用python，我想做和matlab完全一样的工作，但是python只给出了值，而不是线性多项式系数！(在matlab中，我们可以用pp.coefs实现这一点)。但是如何在python nump
浏览 7提问于2017-03-24得票数 4
回答已采纳
当我在Python3中运行这段代码时，为什么它显示名称“lags”未定义？
from numpy import log,sqrt,std,subtract,cumsum,polyfit
def hurst(ts):
# Create the range of lag values
lags = range(2, 100)
# Calculate the array of the variances of the lagged differences
tau = [sqrt(std(subtract(ts[lag:], ts[:-lag]))) for lag
浏览 0提问于2016-06-18得票数 0
我有一组数据，我需要比较一些近似函数。
我使用polyfit()进行对数拟合和指数拟合，但如何将其用于函数a * x ^ m？它是对数回归的代码：
x = numpy.array([1, 7, 20, 50, 79])
y = numpy.array([10, 19, 30, 35, 51])
numpy.polyfit(numpy.log(x), y, 1)
array([ 8.46295607, 6.61867463])
#y ≈ 8.46 log(x) + 6.62
浏览 5提问于2022-05-11得票数 0
回答已采纳
nonlin = flux_2/fit_2
polyfit_function = np.polyfit(flux_1[i,j,:], nonlin, 3, full=True)
print(polyfit_function)
fit=np.polyval(polyfit_function,np.arange(np.min(flux_1),np.max(flux_1)))
plt.plot(flux_1[i,j,:], nonlin,'.')
plt.plot(np.arange(np.min(flux_1),np.max(flux_1)), polyfit_funct
浏览 0提问于2018-02-16得票数 0
1回答
我有一个xarray数据集的维度time=350，xc=432，yc=432，其中包含海冰浓度的数据(变量ice_conc)。我要计算每个网格单元中的线性趋势，并创建一个趋势图。我试过使用numpy.polyfit
x=np.linspace(1,350, num=350) #number of days in dataset
y=[ds.ice_conc] #ice concentration variable in the dataset
trend = np.polyfit(x, y, 1)
我一直在犯这个错误：
TypeError: y的预期一维或二维数组
变量ice_co
浏览 1提问于2022-01-19得票数 0
1回答
我有一个4维的numpy数组(x，y，z，time)，并且希望通过时间维在每个x，y，z坐标上做一个numpy.polyfit。例如：
import numpy as np
n = 10 # size of my x,y,z dimensions
degree = 2 # degree of my polyfit
time_len = 5 # number of time samples
# Make some data
A = np.random.rand(n*n*n*time_len).reshape(n,n,n,time_len)
# An x vector to r
浏览 1提问于2013-10-09得票数 7
回答已采纳
numpy/python在这里非常新，它试图找出一些类似于c++、更像numpy的编码样式。
背景
我已经做了一些代码，它使用了一个固定的x值集和多组对应的y值集，并试图找出哪组y值是“最线性的”。
它通过遍历循环中的每一组y值，计算和存储那些y对x的直线拟合的残差，然后当循环完成最小余值的索引时。
在下面的代码中，...sorry这样做可能更有意义。
import numpy as np
import numpy.polynomial.polynomial as poly
# set of x values
xs = [1,22,33,54]
# multiple sets of y v
浏览 3提问于2019-11-22得票数 0
回答已采纳
我正在寻找一种使用Python将与一组数据点相匹配的方法。
作为一个简单的例子，给出了以下数据点的集合：
import numpy as np
x_data = np.array([1, 2, 3, 4, 5])
y_data = np.array([2, 0, 3, 7, 13])
使用t作为参数，我希望将以下参数方程拟合到数据点，
t = np.arange(0, 5, 0.1)
x = a1*t + b1
y = a2*t**2 + b2*t + c2
也就是说，让Python找到最适合数据点(x_data, y_data)的系数a1、b1、a2、b2、c2的值。
请注意，上面的y(t)
浏览 0提问于2016-07-06得票数 4
掩码数组的numpy多项式拟合函数ma.polyfit在整数iput上崩溃：
import numpy.ma as ma
x = ma.arange(2)
y = ma.arange(2)
p1 = ma.polyfit(np.float32(x), y, deg=1)
p2 = ma.polyfit( x , y, deg=1)
最后一行导致错误：
ValueError: data type <type 'numpy.int64'> not inexact
为什么我不能用整数x值来拟合数据(正常的numpy.polyfit函数没有问题)，这是一
浏览 1提问于2012-11-02得票数 0
回答已采纳
目前，我正在开发一个视频推荐系统，它将以0(负)和1(正)的形式预测视频。我成功地从YouTube中抓取了数据集，还发现了0(负)和1(正)形式的YouTube注释的情绪。使用一个热编码器对我的.I的文本数据进行编码，并以numpy数组的形式输出。现在我的问题是如何在逻辑回归中将numpy数组作为输入(X)？下面是我的代码、输出和csv(1874X2)。 目标变量为Comments_Sentiments ? #OneHotEncoding
import numpy as np
import pandas as pd
from sklearn import preprocessing
浏览 7提问于2020-01-21得票数 0
3回答
我正在尝试学习python，首先我想实现具有平方误差function.So的多项式曲线拟合，下一个列表是numpy.polyfit函数的系数，多项式的阶数从0到4：
[array([-0.01819394]), array([-1.40744691, 0.68552951]), array([ 0.80998048, -2.21742739, 0.80552662]), array([ 22.23999663, -32.55001446, 10.44015094, 0.03673661]), array([ -2.85384060e+00, 2.79476778e+01, -3
浏览 1提问于2014-12-14得票数 0
我用QtDesigner制作了一个对话框窗口，其中包含一个小部件，其中包含一个名为plot_layout的布局。 运行此代码时，Numpy执行时没有任何问题:请注意，self.ax1 = fig1.add_subplot(111)已被注释掉。 from PyQt5 import QtWidgets, uic
import os
import sys
import numpy as np
from pathlib import Path
from os.path import join
from matplotlib.backends.backend_qt5agg import FigureC
浏览 26提问于2020-09-23得票数 0
回答已采纳
1回答
这是Excel
这里是Python
我所做的只是在Excel中添加一条线性趋势线，然后找到函数和R平方值。我用numpy polyfit和Statsmodel在Python中尝试了同样的方法。polyfit给出了类似于Excel的曲线图，而Statsmodel则不是。统计模型图是非常不相关的。然而，统计模型的线性拟合值和R-平方与Excel完全相同。
浏览 2提问于2018-03-22得票数 0
我有两个列表，x和‘y’，我想根据这两个列表来拟合一条直线。
为此，我使用以下代码：
x = df[quality][df['model'].str.contains(cluster, case=False, na=False)].to_numpy()
y = df[prediction][df['model'].str.contains(cluster, case=False, na=False)].to_numpy()
slope, constant = np.polyfit(x, y, 1)
我期望斜率和常数是一个数字(因为我在np.polyfit中使用了
浏览 5提问于2021-12-16得票数 1
1回答
曲线拟合大型数据集
、、、
现在，我正在尝试将曲线拟合到一个大型数据集；有两个数组，x和y，每个数组都有352个元素。我对数据拟合了一个多项式，效果很好：
import numpy as np
import matplotlib.pyplot as plt
coeff=np.polyfit(x, y, 20)
coeff=np.polyfit(x, y, 20)
poly=np.poly1d(coeff)
但我需要一条更精确的优化曲线，所以我一直在尝试用scipy拟合曲线。以下是我到目前为止拥有的代码：
import numpy as np
import scipy
from scipy import scipy.opt
浏览 3提问于2011-07-28得票数 2
1回答
我有3个数组。一个数组包含x值，第二个数组包含y值，第三个数组包含sigma (错误)的值。
如何使用numpy.polyfit函数来适应x、y和sigma？我已经知道如何拟合x和y的值，但不是sigma。
import numpy as np
p = np.polyfit(x,y,2)
xp = np.linspace(0.4,1,40)
y = np.polyval(p,xp)
浏览 9提问于2017-01-31得票数 1
我有以下代码，它生成六行不同颜色的图形：
#!/usr/bin/python
# -*- coding: utf-8 -*-
import math
import numpy
import pylab as pl
int_amp=[0.00,0.40,0.80,1.20,1.60,2.00,2.40,2.80,3.20,3.60,4.00,4.40,4.80]
masa_gr_circ1=[0.00,0.02,0.04,0.06,0.07,0.10,0.11,0.13,0.15,0.17,0.19,0.21,0.24]
masa_gr_circ2=[0.00,0.02,0.06,0.10,
浏览 1提问于2017-10-26得票数 1
回答已采纳
1回答
我有一个数据集，我被要求拟合一个一次多项式。
我使用的是numpy函数polyfit，但是我得到了一些非常奇怪的结果--我使用下面的代码来找到这个多项式并绘制它
import numpy as np
data = np.loadtxt('men-olympics-100.txt')
year = data[:,0]
time = data[:,1]
plt.scatter(year, time)
xplot=np.linspace(1896,2008,100)
poly =np.polyfit(year,time,1)
print(poly)
yplot = pol
浏览 0提问于2017-12-19得票数 0
回答已采纳
nonlin = flux_2/fit_2
polyfit_function = np.polyfit(flux_1[:,:,:], nonlin, 3, full=True)
fit = np.polyval(polyfit_function, np.arange(np.min(flux_1), np.arange(np.max(flux_1)))
plt.plot(flux_1[i,j,:], nonlin,'.')
plt.plot(np.arange(np.min(flux_1),np.max(flux_1)), polyfit_function
浏览 3提问于2018-02-16得票数 1
3回答
我目前正在使用numpy.polyfit(x，y，deg)来拟合实验数据的多项式。然而，我想要拟合一个多项式，该多项式使用基于点的误差的加权。
我已经找到了利用权重的，我想我只需要将函数'f‘设置为我想要的阶数的多项式形式，并将我的权重放在'sigma’中，这应该可以实现我的目标。
我在想，有没有其他更好的方法呢？
非常感谢。
浏览 2提问于2011-07-12得票数 11
回答已采纳
3回答
我在模拟某个测量装置的测量误差。这就是的外观:低频多项式上的高频正弦波纹。我的模型也应该能捕捉到涟漪。
拟合误差的曲线应该是这样的： error (x) = a0 + a1*x + a2*x^2 +.A*x^n+ Asin(x/lambda)多项式的阶数n是未知的。我的计划是从1-9迭代n，并选择具有最高的那个。
到目前为止，我已经和numpy.polyfit和scipy.optimize.curve_fit玩过了。numpy.polyfit只适用于多项式，所以虽然我可以生成“最佳拟合”多项式，但无法确定正弦项的参数A和lambda。如果我已经知道了误差(X)的多项式部分的多项式的顺序，sci
浏览 0提问于2019-09-09得票数 3
2回答
标题说明了一切。我应该做这个任务：
def fit(x, y, deg):
p1, p2, ..., pn = [numpy.poly1d(numpy.polyfit(x, y, i)) for i in deg]
其中x，y是长度相等的numpy.array，deg是包含实数的长度为n的list。不要为list中的表达式费心了，它也可以是p1, p2, ... , pn = [i for i in deg]。我只知道len(deg)是n。
更新：
如果有人能告诉我为什么我得到了无效的语法，我就会有解决我的具体问题的方法：
for i in xrange(len(deg)):
浏览 0提问于2016-01-15得票数 0
我有4个点，用这些坐标表示：
X = [0.1, 0.5, 0.9, 0.18]
Y = [0.7, 0.5, 0.7, 0.3]
Z = [4.2, 3.3, 4.2, 2.5]
我必须得到近似这4个点的最佳线性函数(平面)。
我知道numpy.polyfit，但polyfit只适用于x和y (2D)，我能做什么？
浏览 0提问于2017-03-17得票数 0
我有一个非常简单的代码，但最后我发现了我无法解决或找到任何解决方案的问题。我不会画图。我得到的只是错误图：'numpy.float64‘对象没有’AttributeError‘属性
import pylab as p
import numpy as np
import sympy as s
import matplotlib
from random import random
X=np.arange(0,1000)
y=np.random.randint(100,size=1000)
if len(X)==len(y):
print "ok"
else:
浏览 0提问于2015-01-03得票数 2
回答已采纳
我正在使用Python3.4中的cx_freeze构建一个独立的程序。
当我通过Python执行我的程序时，绝对没有问题(0错误，一切正常)，但是当我打开用.exe创建的cx_freeze文件时，我的GUI (Qt)就会在调用polyfit函数frin numpy时关闭。
我认为这不仅仅是一个输入错误，因为当我在cx_freeze之后尝试“cx_freeze+ 2”之类的东西时，它工作得很好。
有什么想法吗？
备注：
我想这是因为我的函数有点复杂，但是当我尝试polyfit([1,2,3], [4,5,6], 2)时，我遇到了同样的问题
在相同的问题中使用scipy.polyfit结果
浏览 1提问于2016-08-22得票数 0
回答已采纳
我有一个数据帧，我应用了以下函数，但我不确定到底发生了什么 def fit(data):
global p, z, y
y = data.values
x = np.arange(0, len(y)) + 1
z = np.polyfit(x, y, 1)
p = np.poly1d(z)
print(y)
print(z)
print(p)
return p(x) 作为提取，变量具有以下值： y = [0.45054945 0.77391829 0.93503301 0.95208799 0.97273485
浏览 20提问于2019-03-06得票数 0
1回答
我对这段Python代码有一个问题：
import matplotlib
matplotlib.use("Agg")
import numpy as np
import pylab as pl
A1=np.loadtxt('/tmp/A1.txt',delimiter=',')
A1_extrema = [min(A1),max(A1)]
A2=np.loadtxt('/tmp/A2.txt',delimiter=',')
pl.close()
ab = np.polyfit(A1,A2,1)
print a
浏览 1提问于2015-02-21得票数 16
回答已采纳
我试图用matplotlib绘制一些可视化图，在我的函数中，我检查波是否是对数的。这是我目前的工作版本：
import numpy as np
def is_logarithmic(waves):
def expfunc(x, a, b, c):
return a*np.exp(b*x) + c
wcopy = list(waves)
wcopy.sort()
# If the ratio of x-max : x-min < 10, don't use a logarithmic scale
# (at least
浏览 5提问于2015-07-08得票数 7
回答已采纳
我不是数学家，但我想我所追求的是“多元线性回归”，如果我错了，请纠正我。
我使用numpy.polyfit和numpy.poly1d对伺服电机的一系列角度/脉冲宽度值进行处理，得到一个函数angles_to_pulsewidths。
angles_to_pulsewidths是一个多项式函数，它对伺服系统进行建模，并表示适合该系列的一条线。给定一个angle值，它将返回相应的pulse_width。
我现在正在尝试做一件类似的事情，但是在我的系列中没有一个angle值，而是为每个pulse_width提供了一对x/y协调。我想获得一个给定x/y对的函数，返回相应的pulse_width。
这是
浏览 2提问于2019-10-20得票数 1
回答已采纳
我将尽我所能地表达这一点，尽管我是新手，并恳求您的宽大处理：
我使用下面的代码来查找最适合我从物理温度传感器动态读取的一些数据的多项式：
coefficients = numpy.polyfit(x, y, 2)
polynomial = numpy.poly1d(self.coefficients)
#and then I using matpltlib to plot
matplotlib.pyplot.plot(self.x, self.y, 'o')
有时我不会收到足够的数据，因此我会得到一个错误：
"RankWarning: Polyfit可能是条件较差的w
浏览 6提问于2014-01-21得票数 15
我正在使用python中的loglog函数绘制简单的2D图形，如下所示：
plt.loglog(x,y,label='X vs Y');
X和Y都是n大小的浮点数列表。
我想在同一张图上画一条线。我尝试过numpy.polyfit，但一无所获。
如果你的图已经是对数比例，你如何使用polyfit拟合一条线？
浏览 2提问于2013-09-12得票数 9
回答已采纳
1回答
下面是我的代码的摘录，它根据numpy.polyfit库的顺序绘制并创建了一个趋势线。我可以绘制线性，二次和许多其他多项式趋势。然而，我无法为可能适合的数据创建趋势线
或
趋势。
有什么好办法吗？
import numpy as np
from matplotlib import pyplot, pylab
def plotChart(title, xlabel, ylabel, x, y, fit):
plot1 = pyplot.plot(x, y, "o", label="runtime")
plot2 = pyplot.plot(x
浏览 2提问于2015-04-27得票数 3
回答已采纳
看一下这个最小的例子：
import pandas as pd
s1 = """A,B
a,1
b,1
"""
df = pd.read_csv(io.StringIO(s1))
print(df.apply(lambda x: 1 * [x.A],axis=1))
print("==================")
print(df.apply(lambda x: 2 * [x.A],axis=1))
print("==================")
print(df.apply(lambda x
浏览 0提问于2017-11-03得票数 0
我最近将我的Python版本从3.8.5升级到了3.9.0，我很失望地看到我不得不重新安装我的所有模块。我在终端中使用下面这行代码来安装它： pip3 install --upgrade numpy 它似乎工作得很好，没有任何警告或任何东西。但是，当我实际尝试导入它时，我收到以下错误： Traceback (most recent call last):
File "<pyshell#0>", line 1, in <module>
import numpy as np
File "/Library/Frameworks/Pyt
浏览 222提问于2020-10-11得票数 0
1回答
你好，我有这个python代码，它根据两个轴心计算趋势线，然后将其外推到未来。我想知道如何获得外推趋势线的值的向量(在列表中)-比如说从1000到1050？我需要这个向量来对它进行操作。到目前为止，我只能绘制这些值。 import numpy as np
import matplotlib.pyplot as plt
y = np.array([13.6700,14.4900])
x = np.array([992,1000])
x2=np.array([1001,1010])
p = np.polyfit(x, y, 1)
f = np.poly1d(p)
plt.plot(x,
浏览 21提问于2021-10-14得票数 1
回答已采纳
我是这个论坛的新手。我有一个小问题来理解如何从csv文件中的值计算斜率和截距。 这是我的工作代码(minquadbasso.py是程序的名称)： import numpy as np
import matplotlib.pyplot as plt # To visualize
import pandas as pd # To read data
from sklearn.linear_model import LinearRegression
data = pd.read_csv('TelefonoverticaleAsseY.csv') # load data se
浏览 33提问于2020-04-03得票数 0
2回答
我有一些时间序列数据，我正在尝试使用Numpy中的polyfit函数将其拟合为曲线。我使用date2num函数将日期时间x值转换为数字，并绘制了原始数据，大约为600个数据点(01-01-2014 - 10-08-2015)。
我正在尝试推导出曲线的表达式，以便我可以大致预测未来的数据点，例如在我的图表数据之外的未来30天内。然而，我的多项式表达式，当以任何顺序绘制时，都是错误的。我确信我正在做一些明显错误的事情，但似乎无法破解它。
x = df["dates"]
y= df["brand"]
poly = numpy.polyfit(x, y, 5)
pol
浏览 0提问于2015-08-24得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
