标签：print blog 误差 import log class resid 行列式 imp
科学计算
最小二乘leastsq
# -*- coding: utf-8 -*-
def func(x,p): # p 参数列表
A,k,theta = p; # 可以一一对应赋值
return A*np.sin(2*np.pi*k*x+theta) # 可以批量运算
def residuals(p,y,x):
return y-func(x,p)
x1: 实验数据
y1: 实验数据
p0: 参数初值
plsq = leastsq(residuals, p0, args=(y1,x1))
print u"拟合参数",plsq[0]
非线性方程组求解 from scipy.optimize import fsolve
result = fsolve(f, [1,1,1]) # f为误差函数，[1,1,1]为初值
可以传入雅可比行列式的方式来提高运算速度，如result=fsolve(f,[1,1,1],fprime=j)
插值 from scipy import interpolate
x0:原始数据 y0:原始数据 x1 = 一串和x0一样的数组 f_linear = interpolate.interpld(x0,y0) # 得到线性插值后的函数 tck = interpolate.splrep(x0,y0) # 根据原始数据算得样条插值的参数 y_spline = interpolate.splev(x1,tck) # 这里x1不再和x0一样 y_linear = f_linear(x1)
积分 from scipy import integrate
一重 y, err = integrate.quad(f,-1,1) # f为被积函数，-1 1为区间 二重 y, err = integrate.dblquad(f,lb,ub,gfun,hfun) # gfun,hfun为第二个变量的区间
标签：print blog 误差 import log class resid 行列式 imp
原文地址：http://www.cnblogs.com/ajmd/p/6084057.html
