样条线的导数：‘`scipy splev`
样条线的导数是指通过样条插值方法计算得到的曲线在某一点处的导数值。样条插值是一种数值分析方法，用于在给定一组离散数据点的情况下，通过插值函数来逼近这些数据点之间的曲线。
在Python中，可以使用SciPy库中的splev函数来计算样条线的导数。splev函数的完整语法如下：
scipy.interpolate.splev(x, tck, der=0)参数说明：
x：要计算导数的点的横坐标值，可以是单个值或数组。tck：样条插值的系数，由scipy.interpolate.splrep函数生成。der：要计算的导数阶数，默认为0，表示计算一阶导数。
样条线的导数在计算机图形学、数值计算、数据拟合等领域有广泛的应用。它可以用于曲线的平滑、曲线的变化率分析、曲线的最大值和最小值等问题。
腾讯云提供了多个与云计算相关的产品，其中包括云服务器、云数据库、云存储、人工智能服务等。具体推荐的腾讯云产品和产品介绍链接地址可以参考腾讯云官方网站。
相关·内容
3回答
边界约束样条
、、
我在三维网格上测量了数据，例如f(x, y, t)。我想在t的方向上用样条插值和平滑这些数据。目前，我是用scipy.interpolate.UnivariateSpline来完成这个任务的。
import numpy as np
from scipy.interpolate import UnivariateSpline
# data is my measured data
# data.shape is (len(y), len(x), len(t))
data = np.arange(1000).reshape((5, 5, 40)) # just for demonstration
浏览 6提问于2015-08-17得票数 18
回答已采纳
1回答
用枕木求样条的光滑性
、、、、
请考虑以下示例：
import numpy as np
import math
import matplotlib.pyplot as plt
from scipy import interpolate
xs = np.linspace(1,10,500)
ys = [0.92 * x ** 2.3 + 0.0132 * x ** 4 + 0.0743 * (x - 9) ** 3 - 4 * (x -3) ** 2 + 80 * math.sin(math.sin(x)) + 10 * math.sin(x*5) + 1.2* np.random.normal(-4,4,1) for x i
浏览 5提问于2017-01-30得票数 3
回答已采纳
我有以下数据：
x_old = [ 0.00000000e+00, -5.96880765e-24, -8.04361605e-23,
-2.11167774e-22, -2.30386081e-22, -7.86854147e-23,
1.17548440e-22, 1.93009272e-22, 1.49906866e-22,
9.66877465e-23, 1.48495705e-23]
y_old = [ 0. , 0.03711505, 0.03780602, 0.02524459, 0.01349815,
浏览 1提问于2017-11-03得票数 1
回答已采纳
1回答
我想用B样条来计算numpy中闭曲线的曲率。为了得到一个平滑的结果，我想对样条表示上的导数而不是数据进行评估。但是，下面的代码返回一个错误：
Traceback (most recent call last):
File "<stdin>", line 16, in <module>
File "/Users/jfl/anaconda/lib/python2.7/site-packages/scipy/interpolate/fitpack.py", line 1212, in splder
浏览 0提问于2017-07-14得票数 2
回答已采纳
我正在尝试使用scipy中的interp1d函数在离散数据点之间进行插值。
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import sys
import numpy as np
import scipy
from scipy import interpolate
import matplotlib
import matplotlib.pyplot as plt
# ----- continuous function + sample data
x = np.linspace(1,40,15)
y = np.log(x)+0.5*np.s
浏览 55提问于2020-02-12得票数 0
回答已采纳
1回答
python插值和数据比较
、、、、
因此，我想读取多组数据，并将它们与一组数据进行比较，以进行网格分辨率研究。我设置了一个基本脚本，以便从我的CFD代码中读取转储文件中的数据。它在我的数据集之间进行插值，工作得很好，但它只在我的数据之间绘制样条曲线。
f = open('x_data.dat','r')
xd=np.genfromtxt(f)
f.close()
f = open('y_data.dat','r')
yd=np.genfromtxt(f)
f.close()
plt.plot(xd,yd
浏览 1提问于2015-06-18得票数 1
2回答
我有一个向量，空间中最少有两个点，例如：
A = np.array([-1452.18133319 3285.44737438 -7075.49516676])
B = np.array([-1452.20175668 3285.29632734 -7075.49110863])
我想在曲线上的离散点上找到向量的切线，曲线的起点和终点。我知道如何在Matlab中实现，但我想在Python中实现。这是Matlab中的代码：
A = [-1452.18133319 3285.44737438 -7075.49516676];
B = [-1452.20175668 3285.2963273
浏览 0提问于2012-11-15得票数 0
回答已采纳
1回答
我有一些一维数据，并用样条曲线对其进行拟合。然后我想找出它的拐点(忽略鞍点)。现在，我使用scipy.signal.argrelmin (和argrelmax)对splev生成的许多值搜索其第一个导数的极值。
import scipy.interpolate
import scipy.optimize
import scipy.signal
import numpy as np
import matplotlib.pyplot as plt
import operator
y = [-1, 5, 6, 4, 2, 5, 8, 5, 1]
x = np.arange(0, len(y))
tc
浏览 1提问于2013-05-02得票数 5
回答已采纳
我试图训练一个预测模型，并希望使用样条样条插值来表示一些函数，构成模型的一部分。然而，这并不是一个简单的情况，在某个区域上拟合某些x，y数据以求样条系数，而是用样条近似的函数构成一个非线性生成模型的一部分。为了找到系数，我需要使用非线性最小化算法来对训练数据集进行优化。这意味着我需要能够直接指定一组系数，而不是使用scipy.interpolate中的拟合方法(如scipy.interpolate.UnivariateSpline)。
是否有一种方法可以指定样条系数，然后将得到的对象作为模型中的函数使用？如果这在this中是不可能的，那么是否还有另一个支持此功能的python库？
浏览 0提问于2014-01-15得票数 0
回答已采纳
使用scipy.interpolate.interp1d，可以传入一个(1080，4) nd.array，并在单个命令中计算每个“行”的插值函数：
spline = interp1d(np.arange(1,5), np.random.random(1080,4), kind='cubic')
我得到的插值结果(无结点)与一些现有的Fortran代码略有不同。我相信这是因为SciPy源代码使用的是b样条，而Fortran代码使用的是从数值公式派生的样条。
我正在尝试使用UnivariateSpline和s=0执行相同的插值，所以是InterpolatedUnivariateSp
浏览 3提问于2014-01-03得票数 2
1回答
我很难将样条插值的数学概念与样条滤波器在python中的应用联系起来。我对样条插值的基本理解是，它以分段的方式拟合数据，而拟合的分段多项式称为样条。但是它在图像处理中的应用涉及到对图像进行预处理，然后进行插值，这一点我很难理解。
为了给出一个例子，我想使用scipy.ndimage.map_coordinates(input, coordinates, prefilter=True)和关键字prefilter根据文档对图像进行插值：
确定输入数组在插值前是否使用spline_filter预先过滤。
scipy.ndimage.interpolation.spline_filter的文档简单地
浏览 2提问于2019-10-08得票数 2
我使用对大量数据进行平滑插值。效果很好。我得到一个对象，它的行为类似于一个函数。
现在我想保存样条点以备以后使用，并在Matlab中使用它们(还有Python，但这不是那么紧急)，而不需要原始数据。我该怎么做呢？
在scipy中，我没有线索；UnivariateSpline似乎没有提供具有先前计算的结点和系数的构造函数。
在MATLAB中，我尝试了Matlab函数和pchip()，虽然这两个函数都很接近，但它们在端点附近都有类似于的错误。
以下是我拥有的Matlab格式的样本数据集：
splinedata = struct('coeffs',[-0.04127391809552
浏览 0提问于2013-06-05得票数 7
1回答
我有一个更大的3Dnumpy标量值数组(如果你需要，也可以称之为“卷”)。我想在一系列不规则的，不是所有已知的预先知道的非整数xyz坐标上插值一个平滑的标量场。
现在Scipy对此的支持非常好:我用以下命令过滤音量
filtered_volume = scipy.ndimage.interpolation.spline_filter(volume)
并调用
scipy.ndimage.interpolation.map_coordinates(
filtered_volume,
[[z],[y],[x]],
prefilter=False)
对于感兴趣的(x，y，z)，
浏览 0提问于2011-08-02得票数 6
回答已采纳
3回答
假设我在python中有两个数组，我希望得到(并实际使用)这两个点之间的三次样条插值。(即:我希望集成该函数)。我更喜欢使用numpy scipy的方式。
我知道的事。然而，这只允许我评估这些点，比如说非常简单的函数：
现在我可以做一些简单的事情，比如：
import numpy as np
import scipy.interpolate
import matplotlib.pyplot as plt
y = np.array([0,2,3,4,8,10,12,12,12,10,9,8,7,1,0,0,1,2])
x = np.array(range(len(y)))
xvals = np
浏览 2提问于2015-04-05得票数 1
2回答
我正在使用Python 3执行与数值分析相关的任务。
我要画一些源自正弦函数的点。此外，我需要对这些点(三次样条)进行三次插值。
所以，这些任务都完成了。输出画面很好，代码也能工作。但是，我需要检查三次样条的导数是否像余弦函数。
看一看这张图片：
在橙色中，你可以看到余弦函数。在蓝色中，你可以看到正弦函数。红色，我取样的5个点。在紫色，你可以看到一个线性插值。在破折号中，你可以看到三次插值。
，我需要绘制虚线曲线的导数，并将其与橙色曲线进行比较。
直觉地说，我知道，，，他们会非常相似。然而，我无法用图来证明。
这就是密码：
import math
import random
from
浏览 0提问于2018-09-08得票数 1
回答已采纳
我正在尝试分析时间序列中的数据。我想对原始数据进行插值，并使它们在时间上均匀分布，因此我使用scipy三次样条线。一切正常，直到10000点(浮点数)，但在这个点数之后似乎就不工作了。我尝试了10001个点，但插值失败。是不是记忆有问题？我正在使用Canopy (学术执照)。
# reading the timeseries and interpolating with cubic splines
# for creating equally spaced in time data
import numpy as np
import matplotlib.pyplot as plt
impo
浏览 5提问于2015-03-05得票数 1
我想计算一个样条，它是由x 和 y 在第三个点 pointToEvaluate 上定义的(这里是0)，但是它没有计算我传递给它的点。
import numpy as np
import matplotlib.pyplot as plt
from scipy import interpolate
x = (-1, 0, 1, 2, 3)
y = (1, 0, 1, 4, 9)
tck, u = interpolate.splprep([x,y], s=0)
pointToEvaluate = 0
xPoints, yPoints = interpolate.splev(pointToEval
浏览 3提问于2019-12-04得票数 2
回答已采纳
1回答
在Scipy中有没有一种更有效的方法来生成类似于b样条函数示例中给出的递归代码的b样条基函数：
def B(x, k, i, t):
if k == 0:
return 1.0 if t[i] <= x < t[i+1] else 0.0
if t[i+k] == t[i]:
c1 = 0.0
else:
c1 = (x - t[i])/(t[i+k] - t[i]) * B(x, k-1, i, t)
if t[i+k+1] == t[i+1]:
c2 = 0.0
else:
c2 = (
浏览 14提问于2021-02-23得票数 2
2回答
如果只知道点和系数，怎么能创建样条呢？我在这里使用scipy.interpolate.BSpline，但也对其他标准包开放。所以基本上，我想给一个人一个简单的系数数组，让他们能够重新建立数据的拟合。请看下面失败的红色虚线。
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import BSpline, LSQUnivariateSpline
x = np.linspace(0, 10, 50) # x-data
y = np.exp(-(x-5)**2/4) # y-data
# de
浏览 1提问于2018-09-18得票数 3
回答已采纳
我有这样的代码，它给了我这个通过点集的封闭线。当我改变程度，k=3，我期待看到相同的线，但更像椭圆形，而不是这些凹凸不平的曲线，如下面显示在第二张图片。是否有任何其他设置需要放入"splprep“。谢谢
import numpy as np
from scipy.interpolate import interp1d, splprep, splev
import matplotlib.pyplot as plt
pts = np.array([
[-846724, 0],
[-423362, 10029],
[0, 13942],
[289000, 1
浏览 5提问于2022-01-16得票数 0
如何以所需的x值从样条中提取y值。例如，@ x= 0.25
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import splev, splrep
x = np.linspace(0, 10, 10)
y = np.sin(x)
spl = splrep(x, y)
x2 = np.linspace(0, 10, 5)
y2 = splev(x2, spl)
plt.plot(x, y, 'o', x2, y2)
plt.show()
浏览 8提问于2022-08-25得票数 1
回答已采纳
1回答
我曾经尝试过用各种插值方法来运行interp1d。数据是一个有525600个数字的数组。当我使用“线性”、“最近”或“零”等更简单的方法运行它时，它工作得很好，但是当我使用“立方”或“二次”时，它会导致‘内存错误如下：
Traceback (most recent call last):
File "inter_comp.py", line 37, in <module>
interp = interp1d(indices[not_nan], B[not_nan], bounds_error=False,fill_value=0., kind = 'cub
浏览 3提问于2016-06-29得票数 1
回答已采纳
我需要使用三次样条(我主要对高阶导数感兴趣)，我在scipy (第一个具有sin函数的示例)中找到了这个示例。它们有这一行：plt.plot(xs, cs(xs, 2), label="S''")，我假设它绘制的是二阶导数。但是sin的二阶导数是-sin，而他们的函数看起来完全是-sin。这里我漏掉了什么？我如何才能得到二阶导数呢？谢谢!
浏览 10提问于2019-11-17得票数 1
我正在尝试平滑放大的opencv轮廓段。我正在使用平滑的样条，我想在实际的数据点上开始和结束样条。我不太熟悉插值和样条拟合术语，因此我真的不知道要搜索什么。
我想要实现的是类似于下面的红色图表，它是平滑的，我希望在其他图表开始和结束的相同点开始/结束。我不介意它不通过剩余的数据点，我宁愿控制平滑量，但起点和终点需要固定。这可以通过scipy.interpolate实现吗？还有别的选择吗？
我发现了用于橙色图的，它与带有s=0的splprep版本非常相似，即插值，但它也使用了s=0，所以我看不出它对平滑有什么帮助。
我还发现了系数被操纵的；同样，我看不出它如何帮助实现我的目标。由平滑的splpr
浏览 30提问于2020-02-28得票数 0
1回答
我有一条线，应该由scipy.interpolate.splrep和scipy.interpolate.splev来平滑。
line = ((x1, y1), (x2, y2), ... (xn, yn))
tck = interpolate.splrep(x, y)
我需要为我的x坐标找到更多的值，这些值应该均匀排列。
newx = numpy.XXX(x)
newy = interpolate.splev(newx, tck)
例如(1, 2, 4, 3) -> (1, 1.5, 2, 2.5, 3, 3.5, 4, 3.5, 3)
在Numpy/SciPy中有没有一种“简单”的方法
浏览 0提问于2011-06-01得票数 2
回答已采纳
1回答
我正在编写函数，使用scipy.interpolate函数在python中计算一维插值。利用文档的帮助，我为三次样条插值和三次样条插值编写了两个不同的函数。
# calculate cubic interpolation
def linear_interpolation(x):
linear = interpolate.interp1d(support_x, support_y, 'cubic')
return linear(x)
# calculate cubic spline interpolation
def cubic_spline_interpol
浏览 3提问于2017-10-09得票数 3
回答已采纳
1回答
我目前正在进行一个项目，使用opencv和python来测量通常是弯曲的对象，例如，下面所示的箭头尽可能准确。
我认为一种策略可能是使用枕叶Voronoi函数来获得箭头中心脊柱的点，但现在有麻烦了。这是我的代码：
img = cv2.imread('example_rubystreak_2.PNG')
img.shape
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray,190,255,cv2.THRESH_BINARY)
countimage, contours,
浏览 10提问于2015-08-07得票数 2
回答已采纳
2回答
我有一个熊猫数据框，看起来像这样：
import pandas as pd
import matplotlib.pyplot
data = [{'A': 21, 'B': 23, 'C':19, 'D':26,'E':28,
'F':26,'G':23,'H':22,'I':24,'J':21}]
# Creates DataFrame.
df = pd.DataFrame(data)
plt.figure(
浏览 25提问于2020-05-07得票数 0
回答已采纳
2回答
尽管Scipy的文档表明将在order k<=5上运行，但在幕后对order >=1有一个额外的约束。有人知道用Numpy/Scipy实现0次样条或分段常数插值的方法吗？
浏览 1提问于2015-06-27得票数 4
1回答
操纵样条导数
、、
我正在使用来自InterpolatedUnivariateSpline库的scipy.interpolate函数。我知道有一个函数，就是求结果样条的导数。我感兴趣的是样条的对数的导数。有办法直接计算这个吗？
浏览 0提问于2018-03-21得票数 1
回答已采纳
2回答
我有个问题，是关于can的分裂函数，我认为这是个bug，所以我会把每一段代码都贴出来，这样你就可以在你的电脑上复制它了。假设我想要找到一些数据的b样条表示，例如，由以下代码获得的数据，它创建一个由10个高斯人和一些附加噪声组成的混合数据集：
import numpy as np
# First we define the number of datapoints:
ndata = 100
x = np.arange(0,1,1./np.double(ndata))
means = np.random.uniform(0,1,10)
y = 0.0
for i in range(len(mean
浏览 2提问于2013-01-26得票数 3
我试图了解scipy.interpolate.interp1d中的样条插值是如何决定拟合/平滑函数的导数的。从中，我了解到如果将int (或quadratic或cubic)传递给kind关键字，则interp1d适合样条。
但是，如果我没有提供任何导数信息，它如何决定衍生产品是什么？我试图遵循源代码中的函数调用，但这只让我看到了神秘的spleval函数，它似乎调用了FITPACK。我不知道如何从找到有关FITPACK的信息.
浏览 2提问于2013-06-24得票数 2
2回答
python中的连续样条
、、、、
我正在使用scipy的对一些时间序列数据进行样条和导数计算。它通常工作得相当好，尽管平滑因子可能会有一点微调。
我的问题是，我的数据集每隔几分钟左右就会用新数据更新一次(但不是以预先确定的时间间隔)。当添加新数据时，我想继续我的样条/导数，而不必重新计算整个样条。
我一直在寻找某种“递归”样条方法，但没有成功。有没有人有什么建议，我应该从哪里开始寻找，或者是一个可能比scipy更适合这项工作的软件包？
浏览 1提问于2018-07-24得票数 0
我有一组数据，y是角度方向，x是y的每个点的时间戳。
整个数据集有许多用于角度方向的分段。为了进行曲线拟合，我将数据拆分成各自的段，将每个段存储为一个numpy数组。
然后，我使用numpy.polyfit找到一个多项式拟合，以便为每个数据段找到一条曲线拟合。但是，由于我的数据纯粹是实验性的，我不知道应该使用哪种多项式次数来表示numpy.polyfit，因此我迭代了一系列多项式次数，直到找到可能的最高多项式次数。
这是我的代码：
# Experimental data stored in lists: time_aralist and orienrad_aralist
# List stor
浏览 22提问于2017-07-24得票数 0
回答已采纳
2回答
我正在尝试使用scipy中的splev在几个点上寻找样条曲线的导数。例如：
import numpy as np
from scipy.interpolate import splprep, splev
import matplotlib.pyplot as plt
# function to normalize each row
def normalized(a, axis=-1, order=2):
l2 = np.atleast_1d(np.linalg.norm(a, order, axis))
l2[l2==0] = 1
return a / np.expa
浏览 1提问于2017-02-18得票数 0
1回答
维基百科上的内容和图片表明B样条没有通过控制点，而我在其他地方找到的信息与维基百科上的内容相同。然而，样条插值可以在scipy.interpolate中进行，例如interp1d 'cubic'或splrep splev(这两个操作应该是类似的)。通过绘制，我发现曲线通过了所有控制点。但文档和库代码表明，这些操作的基础是B样条。
我现在对此深感困惑。我知道B样条是一种样条，除了B样条插值外，还有多种样条插值，如自然三次样条插值和三次Hermitian插值。
我现在的问题是：
样条曲线与样条插值的关系。样条插值总是通过所有控制点吗？
B样条和B样条插值和三次样条插值是一样
浏览 18提问于2020-11-22得票数 1
回答已采纳
我试图拟合一个平滑B样条对一些数据，我发现这个非常有用的在这里。但是，我不仅需要样条，还需要它的导数，所以我尝试在示例中添加以下代码：
tck_der = interpolate.splder(tck, n=1)
x_der, y_der, z_der = interpolate.splev(u_fine, tck_der)
由于某种原因，由于某些数据类型问题，这似乎无法工作。我得到以下回溯：
Traceback (most recent call last):
File "interpolate_point_trace.py", line 31, in spline_ex
浏览 0提问于2019-05-29得票数 0
回答已采纳
1回答
查找参数样条曲线和直线的交点
、、、、
我正在从一组(x，y)采样点拟合一条参数样条曲线(T)。如何计算由坡度和一点给出的直线的交点？在我的特殊情况下，样条曲线与直线相交一次或根本不相交，但绝不会多次相交。 这是样条线的代码... import matplotlib.pyplot as plt
import numpy as np
from scipy import interpolate
# Fit spline from points
x = np.array([152, 200, 255, 306, 356, 407, 457, 507, 561, 611, 661, 711, 761, 811, 861])
y = n
浏览 44提问于2020-07-27得票数 0
1回答
我想知道是否有办法从离散数据中找出曲线的切线。例如：
x = np.linespace(-100,100,100001)
y = sin(x)
所以这里的x值是整数，但是如果我们想在像x = 67.875这样的地方找到切线怎么办？
我一直在努力弄清楚numpy.interp是否能工作，但到目前为止还没有什么好运气。我还发现了几个类似的例子，比如，但是还没有能够将这些技术应用到我的案例中:(我对Python还不太熟悉，还不完全了解它是如何工作的，所以如果能提供任何帮助，我们将不胜感激……
我得到的是：
from scipy import interpolate
import matplot
浏览 0提问于2018-04-03得票数 1
回答已采纳
我正在尝试使用Python的SciPy包通过一些数据生成样条。关于的问题，我认为在使用interpolate.splrep的开始和结束时存在重复结的原因是因为它正在制造一个夹紧样条。我想让这些结通过数据(s=0)。分割器的输出重复第一个结和最后一个结各4倍(如上面的问题)，它包括内部数据点作为节，除了第二点和下一点到最后一点。这是一个MWE：
import math
import numpy as np
import scipy.interpolate
import matplotlib.pyplot as plt
x_dec = np.array([ 3.0289979374768700e
浏览 5提问于2015-12-28得票数 0
回答已采纳
1回答
我有一组点，所有它们一起创造一个轨道，其中的顺序是至关重要的。我可以用线来绘制轨道，在新的点被取出来之后，我怎么能平滑它呢？轨道可能看上去像1张图片：
图一
图二
图三
照片是我最后想要的。我试着用scipy.interpolate进行插值，但没有成功，因为它需要排序序列(我最后只实现了pic3 )。
浏览 0提问于2018-11-15得票数 1
回答已采纳
1回答
我正试着绘制一个图表
我得到的是：
以下是代码：
import matplotlib.pylab as plt
from mpl_toolkits.basemap import Basemap
import numpy as np
from scipy.interpolate import spline
equinoxAzi = np.array([90, 180, 270])
equinoxAlt = np.array([0, 38.7, 0])
summerAzi = np.array([45, 180, 315])
summerAlt = np.array([0, 62.1
浏览 0提问于2017-04-26得票数 1
回答已采纳
我想计算一个点集中每个点(除了第一个和最后一个点)的二阶导数。该点集具有字典的数据类型，其类似于points = {x1:y1, x2:y2, ... xn:yn}，其中所有的x都是正整数，但其间隔不均匀，例如，x1=1, x2=2, x3=3, x4=5, x5=7。x数不是线性增加的，并且间隔可以是随机的，即，x_{i+1} - x_{i}可以是任何正整数。 对于这个点的字典，我想得到每个点的二阶导数，所以我进行了如下编码： import numpy as np
from scipy.misc import derivative
def wrapper(x):
return np
浏览 21提问于2020-12-29得票数 1
回答已采纳
在中，我询问社区scipy.interpolate.splev是如何计算样条基的。我的目标是通过预先计算一个splev来比bspline basis更快地计算一个样条，并通过做一个basis到control point点积生成一条曲线。
从那时起，被添加到scipy中。，我认为它可以用来返回用于计算样条的基。
因此，例如，使用代码和下面的输入：
import numpy as np
# Control points
cv = np.array([[ 50., 25., 0.],
[ 59., 12., 0.],
[ 50., 10., 0.],
浏览 1提问于2017-08-28得票数 6
回答已采纳
1回答
我想在Python中用三次样条拟合噪声x，y数据，并提取每个区间的样条系数(即，我希望获得每个区间的四个样条系数)
到目前为止，我已经尝试过了(全部来自scipy.interpolate)：
1) CubicSpline，但是这种方法不允许我平滑样条，导致不真实的跳跃系数数据。
2)结合splrep和splev，例如
tck = splrep(x, y, k=3, s=1e25)
其中我使用以下命令提取系数/结点
F = PPoly.from_spline(tck)
coeffs = F.c
knots = F.x
然而，我找不到整个x范围内的平滑系数(在接近于0和1e23的值之间跳跃，这是非
浏览 11提问于2017-05-06得票数 1
我有一个，第一列是x数据(波长)，第二列是y数据(相对强度)。
我希望将它插入到另一个x_new-data上，但我的问题是splrep返回nan-values：
>>import numpy as np
>>from scipy.interpolate import splrep, splev
>>d = np.loadtxt("test.txt")
>>x,y = d[:,0],d[:,1]
>>
>>f = splrep( x,y,k=5 )
>>print f
>>(array
浏览 5提问于2012-08-21得票数 4
回答已采纳
我画Spline后贴：
但是当我从3分中提取Spline
from __future__ import division
import matplotlib.pyplot as plt
import numpy as np
from scipy import interpolate
nodes = np.array( [ [1, 2], [6, 15], [10, 6] ] )
x = nodes[:,0]
y = nodes[:,1]
tck,u = interpolate.splprep( [x,y] ,s = 0 )
xnew,ynew = interpolate.spl
浏览 2提问于2015-04-29得票数 3
回答已采纳
2回答
我在实现一些不太寻常的插值问题时遇到了一些问题。我有一些(x，y)数据点散落在一些我事先不知道的曲线上，我想尽我最大的努力重建这条曲线，用最小平方误差插值我的点。我想过使用scipy.interpolate.splrep来实现这个目的(但也许您会建议使用其他更好的方法)。在我的例子中，额外的困难是我想要约束样条曲线通过原始数据的一些特定点。我假设玩弄结点和权重可以成功，但我不知道如何做到这一点(除了基本的拟合步骤外，我还在拖延避免样条插值理论)。另外，由于一些不为人知的原因，当我试图在我的splrep中设置节点时，我得到了相同的this post错误，这使事情变得更加复杂。以下是我的示例代码
浏览 68提问于2019-06-07得票数 0
1回答
的一个假设是，在插值区间的端点处，样条多项式的二阶导数设为0。我试图在示例中通过from scipy.interpolate import CubicSplines演示使用自然三次样条(下面的代码)。
from scipy.interpolate import CubicSpline
from numpy import linspace
import matplotlib.pyplot as plt
runge_f = lambda x: 1 / (1 + 25*x**2)
x = linspace(-2, 2, 11)
y = runge_f(x)
cs = CubicSpline(x
浏览 6提问于2020-11-12得票数 3
回答已采纳
3回答
SciPy中的插值:求产生Y的X
、、、、
有没有更好的方法可以找到我在SciPy中寻找的Y呢？我刚刚开始使用SciPy，我对每个函数都不太熟悉。
import numpy as np
import matplotlib.pyplot as plt
from scipy import interpolate
x = [70, 80, 90, 100, 110]
y = [49.7, 80.6, 122.5, 153.8, 163.0]
tck = interpolate.splrep(x,y,s=0)
xnew = np.arange(70,111,1)
ynew = interpolate.splev(xnew,tck,der=0)
浏览 3提问于2009-06-22得票数 14
回答已采纳
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
