在 Python 中使用 numpy/Scipy 改进多项式曲线拟合 需要帮助

Question

我有两个 NumPy 数组时间并且没有获取请求。我需要使用一个函数来拟合这些数据，以便我可以做出未来的预测。 这些数据是从存储日志文件详细信息的 cassandra 表中提取的。所以基本上时间格式是纪元时间，这里的训练变量是get_counts。

from cassandra.cluster import Cluster    
import numpy as np    
import matplotlib.pyplot as plt   
from cassandra.query import panda_factory

session = Cluster(contact_points=['127.0.0.1'], port=9042).connect(keyspace='ASIA_KS')         
session.row_factory = panda_factory    
df = session.execute("SELECT epoch_time, get_counts FROM ASIA_TRAFFIC")    
.sort(columns=['epoch_time','get_counts'], ascending=[1,0])    
time = np.array([x[1] for x in enumerate(df['epoch_time'])])    
get = np.array([x[1] for x in enumerate(df['get_counts'])])    
plt.title('Trend')    
plt.plot(time, byte,'o')    
plt.show()

数据如下： 大约有1000对数据

time -> [1391193000 1391193060 1391193120 ..., 1391279280 1391279340 1391279400 1391279460]

get -> [577 380 430 ...,250 275 365  15]

绘图图像（full size here）：

有人可以帮我提供一个函数，以便我可以正确地适应数据吗？我是 python 新手。

编辑 *

fit = np.polyfit(time, get, 3)
yp = np.poly1d(fit)
plt.plot(time, yp(time), 'r--', time, get, 'b.')
plt.xlabel('Time')    
plt.ylabel('Number of Get requests')    
plt.title('Trend')    
plt.xlim([time[0]-10000, time[-1]+10000])
plt.ylim(0, 2000)
plt.show()
print yp(time[1400])

拟合曲线如下所示：
https://drive.google.com/file/d/0B-r3Ym7u_hsKUTF1OFVqRWpEN2M/view?usp=sharing

但是在曲线的后半部分，y 的值变为 (-ve)，这是错误的。曲线必须将其斜率更改回介于两者之间的 (+ve)。 谁能建议我如何去做。 帮助将不胜感激。

Answer 1

你可以试试：

time = np.array([x[1] for x in enumerate(df['epoch_time'])])    
byte = np.array([x[1] for x in enumerate(df['byte_transfer'])]) 

fit = np.polyfit(time, byte, n) # step up n value here, 
                                # where n is the degree of the polynomial 
yp = np.poly1d(fit)
print yp                        # displays function in cx^n +- cx^n-1...c format

plt.plot(x, yp(x), '-')

plt.xlabel('Time')    
plt.ylabel('Bytes Transfered')    
plt.title('Trend')    
plt.plot(time, byte,'o')    
plt.show()

我也是 Numpy 和曲线拟合的新手，但我一直在尝试这样做。