有一組4096長(zhǎng)度的數(shù)據(jù),需要找到一階導(dǎo)數(shù)從正到負(fù)的點(diǎn),和三階導(dǎo)數(shù)從負(fù)到正的點(diǎn),截取了一小段。
394.0
388.0
389.0
388.0
388.0
392.0
393.0
395.0
395.0
394.0
394.0
390.0
392.0
按照之前所了解的,對(duì)離散值求導(dǎo)其實(shí)就是求差分,例如第i點(diǎn)的導(dǎo)數(shù)(差分)為:
即在一個(gè)寬度為2m+1的窗口內(nèi)通過計(jì)算前后m個(gè)值加權(quán)后的和得到。但是在實(shí)際使用過程中效果不是很好。于是想到了同樣在一個(gè)寬度為2k+1的窗口內(nèi),將這2k+1個(gè)點(diǎn)擬合成一個(gè)函數(shù),然后求導(dǎo)就可以得到任意階數(shù)的導(dǎo)數(shù)值。
首先是函數(shù)擬合,使用from scipy.optimize import leastsq即最小二乘擬合
from scipy.optimize import leastsq class search(object): def __init__(self, filename): self.filename = filename def func(self, x, p): f = np.poly1d(p) return f(x) def residuals(self, p, x, y, reg): regularization = 0.1 # 正則化系數(shù)lambda ret = y - self.func(x, p) if reg == 1: ret = np.append(ret, np.sqrt(regularization) * p) return ret def LeastSquare(self, data, k=100, order=4, reg=1, show=1): # k為求導(dǎo)窗口寬度,order為多項(xiàng)式階數(shù),reg為是否正則化 l = self.len step = 2 * k + 1 p = [1] * order for i in range(0, l, step): if i + step < l: y = data[i:i + step] x = np.arange(i, i + step) else: y = data[i:] x = np.arange(i, l) try: r = leastsq(self.residuals, p, args=(x, y, reg)) except: print("Error - curve_fit failed") fun = np.poly1d(r[0]) # 返回?cái)M合方程系數(shù) df_1 = np.poly1d.deriv(fun) # 求得導(dǎo)函數(shù) df_2 = np.poly1d.deriv(df_1) df_3 = np.poly1d.deriv(df_2) df_value = df_1(x) df3_value = df_3(x)
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(shí)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(guó)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(jiǎn)單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢(shì),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(chǎng)景需求。