python – 在样条拟合1d数据中找到拐点 -清零世界

概述

我有一些一维数据,并与样条拟合.然后我想在其中找到拐点(忽略鞍点).现在我通过在splev生成的很多值上使用scipy.signal.argrelmin(和argrelmax)来搜索其第一个派生的极值.

import scipy.interpolate
import scipy.optimize
import scipy.signal
import numpy as np
import matplotlib.pyplot as plt
import operator

y = [-1,5,6,4,2,8,1]
x = np.arange(0,len(y))
tck = scipy.interpolate.splrep(x,y,s=0)

print 'roots',scipy.interpolate.sproot(tck)
# output:
# [0.11381478]

xnew = np.arange(0,len(y),0.01)
ynew = scipy.interpolate.splev(xnew,tck,der=0)

ynew_deriv = scipy.interpolate.splev(xnew,der=1)

min_idxs = scipy.signal.argrelmin(ynew_deriv)
max_idxs = scipy.signal.argrelmax(ynew_deriv)
mins = zip(xnew[min_idxs].tolist(),ynew_deriv[min_idxs].tolist())
maxs = zip(xnew[max_idxs].tolist(),ynew_deriv[max_idxs].tolist())
inflection_points = sorted(mins + maxs,key=operator.itemgetter(0))

print 'inflection_points',inflection_points
# output:
# [(3.13,-2.9822449358974357),#  (5.03,4.3817785256410255)
#  (7.13,-4.867132628205128)]

plt.legend(['data','Cubic Spline','1st deriv'])
plt.plot(x,'o',xnew,ynew,'-',ynew_deriv,'-')
plt.show()

但这感觉非常错误.我想有可能在没有产生这么多价值的情况下找到我要找的东西.像sproot这样的东西,但也许适用于二次推导？

这是代码：https://gist.github.com/pv/5504366

系数的相关计算是：

t,c,k = scipys_spline_representation
# Compute the denominator in the differentiation formula.
dt = t[k+1:-1] - t[1:-k-1]
# Compute the new coefficients
d = (c[1:-1-k] - c[:-2-k]) * k / dt
# Adjust knots
t2 = t[1:-1]
# Pad coefficient array to same size as knots (FITPACK convention)
d = np.r_[d,[0]*k]
# Done,a new spline
new_spline_repr = t2,d,k-1

总结

以上是编程之家为你收集整理的python – 在样条拟合1d数据中找到拐点全部内容，希望文章能够帮你解决python – 在样条拟合1d数据中找到拐点所遇到的程序开发问题。

如果您也喜欢它,动动您的小指点个赞吧

python – 在样条拟合1d数据中找到拐点

概述

总结

分类汇总

您的鼓励是对我最大的支持