使用 Python/Numpy 将数据拟合到多项式曲线答案

【问题标题】：Fitting data to a polynomial curve with Python/Numpy使用 Python/Numpy 将数据拟合到多项式曲线
【发布时间】：2015-08-24 09:39:21
【问题描述】：

我有一些时间序列数据，我正在尝试使用 Numpy 中的 polyfit 函数拟合曲线。我已使用 date2num 函数将日期时间 x 值转换为数字，并将原始数据绘制成图表，大约是 600 个数据点（01-01-2014 - 10-08-2015）。

我正在尝试推导曲线的表达式，以便我可以大致预测未来的数据点，例如在我的图表数据之外的未来 30 天内。然而，我的多项式表达式，当以任何顺序绘制时，都离题了。我确定我做错了什么，但似乎无法破解它。

x = df["dates"]
y= df["brand"]

poly = numpy.polyfit(x, y, 5)
polynomial = numpy.poly1d(poly)

xs = numpy.linspace(x[0], x[-1]+60, len(x)+60)
y_int = polynomial(xs)

plt.plot(x, y)
plt.plot(xs, y_int)
plt.show()

下图以蓝色显示原始曲线。

【问题讨论】：

标签： python numpy scipy curve-fitting polynomial-math

【解决方案1】：

我无法发表评论，因为我缺乏声誉。如果管理员将此移至 cmets，我会很高兴。我认为问题在于您的数据看起来根本不是多项式的。你最终会得到一个多项式无法实现的平台。

也许尝试其他功能。如果不了解数据的来源，很难判断哪种函数有用...

【讨论】：

【解决方案2】：

尝试在间隔 75 上使用 1 阶函数。真正使用多项式拟合不是您想要的此类函数。这看起来很像连接在一起的 2 条线段，因此对某些点进行线性拟合会得到很好的拟合。

【讨论】：