Skip to main content
 首页 » 编程设计

python之插入数据并找到峰值的最准确方法

2025年04月02日12lyj

我拥有的数据始终是二次多项式(二次函数)。我想尽可能准确地找到插值函数的峰值。

到目前为止,我一直在使用 interp1d,然后使用 linspace 和一个简单的 for 循环提取峰值。尽管您可以在 linspace 中使用大量新生成的样本,但使用拟合多项式的导数仍然可以更加精确。
我还没有找到使用 interp1d。

现在我发现返回拟合多项式系数的唯一函数是 polyfit,但这个拟合函数非常不准确(大多数时候函数甚至不通过数据点).

我试过使用 UnivariateSpline 并且拟合函数似乎非常准确,并且很容易获得导数样条及其根。

其他多项式拟合函数(BarycentricInterpolator、KroghInterpolator ...)声明,出于数值稳定性的原因,它们不计算多项式系数。

UnivariateSpline 及其派生词的准确性如何,或者是否有更好的选择?

请您参考如下方法:

如果您只需要找到二次多项式的最小值/最大值,为什么不这样做:

import matplotlib.pyplot as plt 
from scipy.interpolate import KroghInterpolator 
import numpy as np 
 
x=range(-20,20) 
y=[] 
for i in x: 
    y.append((i**2)+25) 
 
x=x[1::5] 
y=y[1::5] 
 
f=KroghInterpolator(x,y) 
xfine=np.arange(min(x),max(x),.5) 
yfine=f(xfine) 
 
val_interp=min(yfine) 
print val_interp 
 
plt.scatter(x,y) 
plt.plot(xfine, yfine) 
plt.show()