440 字
2 分钟
[Python/数学模型]给大忙人看的速通四——插值拟合
目录
插值问题
一维插值问题
给定一些数据点
(
x
i
,
y
i
)
(x_i, y_i)
(xi,yi)，我们需要预测一个新的
x
x
x 值对应的
y
y
y 值。我们可以使用 scipy.interpolate 模块中的 interp1d 函数来进行一维插值，例如以下代码：
import numpy as npfrom scipy.interpolate import interp1d
n = int(input().strip())
x = []y = []
for i in range(n): humidity, yield_value = map(float, input().split()) x.append(humidity) y.append(yield_value)
m = int(input().strip())
x = np.array(x, dtype = float)y = np.array(y, dtype = float)
f = interp1d(x, y)
for _ in range(m): query = float(input().strip())// 需要预测的数据进行插值查询 result = f(query) print(f"{float(result):.2f}")二维插值问题
可以使用 scipy.interpolate 模块中的 griddata 函数来进行二维插值。
griddata 函数的参数包括：已知数据点的坐标 p，已知数据点的值 t，需要预测的数据点的坐标 xi，以及插值方法 method（如 ‘linear’、‘nearest’、‘cubic’ 等）。其中坐标是用二维列表储存的，例如以下代码：
from scipy.interpolate import griddataimport numpy as np
n, m = map(int, input().split())
p = []t = []for _ in range(n): longitude, latitude, temperature = map(float, input().split()) p.append([longitude, latitude]) t.append(temperature)
p = np.array(p)t = np.array(t)
xi = []for _ in range(m): l1, l2 = map(float, input().split()) xi.append([l1, l2])xi = np.array(xi)
# 进行二维线性插值result = griddata(p, t, xi, method='linear')
# 输出结果，保留两位小数for temp in result: print(f"{temp:.2f}")多项式拟合
如果要返回多项式拟合之后的系数，可以使用 numpy.polyfit 函数，例如以下代码：
import numpy as np
m, n = map(int, input().split())
x = []y = []
for _ in range(m): time, temp = map(float, input().split()) x.append(time) y.append(temp)# 多项式拟合，返回从高次到低次的系数coef = np.polyfit(x, y, n)
# 输出，保留两位小数for c in coef: print(f"{c:.2f}") [Python/数学模型]给大忙人看的速通四——插值拟合
https://blog.csdn.net/2501_93882415/article/details/160630501 部分信息可能已经过时