這篇文章將為大家詳細(xì)講解有關(guān)使用Python 怎么實現(xiàn)曲線擬合和求積分，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關(guān)知識有一定的了解。
首先要安裝Anaconda python庫，然后來運(yùn)用這些數(shù)學(xué)工具。
重慶分公司
重慶分公司
###最小二乘法試驗###
import numpy as np
import pymysql
from scipy.optimize import leastsq
from scipy import integrate
###繪圖，看擬合效果###
import matplotlib.pyplot as plt
from sympy import *
path='E:\PythonProgram\oildata.txt'
lieh0 =[] #初始第一列，油管高度
liev1 =[] #初始第二列，油槍記錄的體積
h_median =[] # 高度相鄰中位數(shù)
h_subtract =[] #相鄰高度作差
v_subtract =[] #相鄰體積作差
select_h_subtr =[] #篩選的高度作差 ########
select_v_subtr =[] #篩選的體積作差
VdtH=[] #篩選的V 和 t 的 倒數(shù)。
def loadData(Spath,lie0,lie1):
with open(Spath,'r') as f0:
for i in f0:
tmp=i.split()
lie0.append(float(tmp[0]))
lie1.append(float(tmp[2]))
print ("source lie0",len(lie0))
def connectMySQL():
db = pymysql.connect(host='10.**.**.**', user='root', passwd='***', db="zabbix", charset="utf8") # 校罐
cur = db.cursor()
try:
# 查詢
cur.execute("SELECT * FROM station_snapshot limit 10 ")
for row in cur.fetchall():
# print(row)
id = row[0]
snapshot_id = row[1]
DateTime = row[13]
attr1V = row[5]
attr2H = row[6]
print("id=%d ,snapshot_id=%s,DateTime=%s,attr1V =%s, attr2H=%s ",
(id, snapshot_id, DateTime, attr1V, attr2H))
except:
print("Error: unable to fecth data of station_stock")
try:
cur.execute("SELECT * FROM can_stock limit 5");
for row in cur.fetchall():
# print(row)
stockid = row[0]
stationid = row[1]
DateTime = row[4]
Volume = row[5]
Height = row[8]
print("stockid=%d ,stationid=%s,DateTime=%s,Volume =%f, Height=%f ",
(stockid, stationid, DateTime, Volume, Height))
except:
print("Error: unable to fecth data of can_snapshot")
cur.close()
db.close()
def formatData(h_med,h_subtr,v_subtr):
lh0 = lieh0[:]
del lh0[0]
print("lh0 size(): ",len(lh0))
lh2 =lieh0[:]
del lh2[len(lh2)-1]
print("lh2 size() : ",len(lh2))
lv0 =liev1[:]
del lv0[0]
#print (liev1)
print ("Souce liev1 size() : ",len(liev1))
print ("lv1 size() :",len(lv0))
"""
lv1 =liev1[:]
del lv1[len(lv1)-1]
print("lv1 size(): ",len(lv1))
"""
h_med[:] =[(x+y)/2 for x,y in zip(lh0,lh2)] ###采樣點(diǎn)(Xi,Yi)###
print("h_med size（） ： ", len(h_med))
h_subtr[:] = [(y-x) for x,y in zip(lh0,lh2)]
print("h_subtr size（） ： ", len(h_subtr))
# v_subtr[:] = [(y-x) for x,y in zip(lv0,lv1)]
v_subtr[:] = lv0
print("v_subtr size（） ： ", len(v_subtr))
def removeBadPoint(h_med,h_sub,v_sub):
for val in h_sub:
position=h_sub.index(val)
if 0.01 > val > -0.01:
del h_sub[position]
del h_med[position]
del v_sub[position]
v_dt_h_ay = [(y/x) for x, y in zip(h_sub, v_sub)]
return v_dt_h_ay
def selectRightPoint(h_med,h_subtr,v_dt_h_ay):
for val in v_dt_h_ay:
pos = v_dt_h_ay.index(val)
if val > 20 :
del v_dt_h_ay[pos]
del h_med[pos]
del h_subtr[pos]
for val in v_dt_h_ay:
ptr = v_dt_h_ay.index(val)
if val < 14:
del v_dt_h_ay[ptr]
del h_med[ptr]
del h_subtr[ptr]
def writeFile(h_mp, v_dt_h):
s='\n'.join(str(num)[1:-1] for num in h_mp)
v='\n'.join(str(vdt)[1:-1] for vdt in v_dt_h)
open(r'h_2.txt','w').write(s)
open(r'v_dt_h.txt','w').write(v)
print("write h_median: ",len(h_mp))
# print("V_dt also is (y-x) : ",v_dt_h,end="\n")
print("Write V_dt_h : ",len(v_dt_h))
# file=open('data.txt','w')
# file.write(str(h_mp));
# file.close
def integralCalculate(coeff,xspace):
vCalcute =[]
x = Symbol('x')
a, b, c, d = coeff[0]
y = a * x ** 3 + b * x ** 2 + c * x + d
i=0
while (i< len(xspace)-1) :
m = integrate(y, (x, xspace[i], xspace[i+1]))
vCalcute.append(abs(m))
i=i+1
print("求導(dǎo)結(jié)果：",vCalcute)
print("求導(dǎo)長度 len(VCalcute): ",len(vCalcute))
return vCalcute
###需要擬合的函數(shù)func及誤差error###
def func(p,x):
a,b,c,d=p
return a*x**3+b*x**2+c*x+d #指明待擬合的函數(shù)的形狀，設(shè)定的擬合函數(shù)。
def error(p,x,y):
return func(p,x)-y #x、y都是列表，故返回值也是個列表
def leastSquareFitting(h_mp,v_dt_hl):
p0=[1,2,6,10] #a,b,c 的假設(shè)初始值，隨著迭代會越來越小
#print(error(p0,h_mp,v_dt_h,"cishu")) #目標(biāo)是讓error 不斷減小
#s="Test the number of iteration" #試驗最小二乘法函數(shù)leastsq得調(diào)用幾次error函數(shù)才能找到使得均方誤差之和最小的a~c
Para=leastsq(error,p0,args=(h_mp,v_dt_hl)) #把error函數(shù)中除了p以外的參數(shù)打包到args中
a,b,c,d=Para[0] #leastsq 返回的第一個值是a,b,c 的求解結(jié)果，leastsq返回類型相當(dāng)于c++ 中的tuple
print(" a=",a," b=",b," c=",c," d=",d)
plt.figure(figsize=(8,6))
plt.scatter(h_mp,v_dt_hl,color="red",label="Sample Point",linewidth=3) #畫樣本點(diǎn)
x=np.linspace(200,2200,1000)
y=a*x**3+b*x**2+c*x+d
integralCalculate(Para,h_subtract)
plt.plot(x,y,color="orange",label="Fitting Curve",linewidth=2) #畫擬合曲線
# plt.plot(h_mp, v_dt_hl,color="blue", label='Origin Line',linewidth=1) #畫連接線
plt.legend()
plt.show()
def freeParameterFitting(h_mp,v_dt_hl):
z1 = np.polyfit(h_mp, v_dt_hl, 6) # 第一個擬合，自由度為6
# 生成多項式對象
p1 = np.poly1d(z1)
print("Z1:")
print(z1)
print("P1:")
print(p1)
print("\n")
x = np.linspace(400, 1700, 1000)
plt.plot(h_mp, v_dt_hl, color="blue", label='Origin Line', linewidth=1) # 畫連接線
plt.plot(x, p1(x), 'gv--', color="black", label='Poly Fitting Line(deg=6)', linewidth=1)
plt.legend()
plt.show()
def main():
loadData(path, lieh0, liev1)
connectMySQL() # 讀取oildata數(shù)據(jù)庫
formatData(h_median, h_subtract, v_subtract)
# 去除被除數(shù)為0對應(yīng)的點(diǎn)，并得到v 和 h 求導(dǎo) 值的列表
VdtH[:] = removeBadPoint(h_median, h_subtract, v_subtract)
print("h_median1：", len(h_median))
print("VdtH1 : ", len(VdtH))
# 賽選數(shù)據(jù)，去除異常點(diǎn)
selectRightPoint(h_median, h_subtract, VdtH)
print("h_median2：", len(h_median))
print("h_subtract: ", len(h_subtract))
print("VdtH2 : ", len(VdtH))
h_mp = np.array(h_median)
v_dt_h = np.array(VdtH)
writeFile(h_mp, v_dt_h)
# 最小二乘法作圖
leastSquareFitting(h_mp, v_dt_h)
# 多項式自由參數(shù)法作圖
freeParameterFitting(h_mp, v_dt_h)
if __name__ == '__main__':
main()Python是一種跨平臺的、具有解釋性、編譯性、互動性和面向?qū)ο蟮哪_本語言，其最初的設(shè)計是用于編寫自動化腳本，隨著版本的不斷更新和新功能的添加，常用于用于開發(fā)獨(dú)立的項目和大型項目。
關(guān)于使用Python 怎么實現(xiàn)曲線擬合和求積分就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學(xué)到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點(diǎn)與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。
