本文实例为大家分享了python实现三次样条插值的具体代码,供大家参考,具体内容如下
函数:
算法分析
三次样条插值。就是在分段插值的一种情况。
要求:
- 在每个分段区间上是三次多项式(这就是三次样条中的三次的来源)
- 在整个区间(开区间)上二阶导数连续(当然啦,这里主要是强调在节点上的连续)
- 加上边界条件。边界条件只需要给出两个方程。构建一个方程组,就可以解出所有的参数。
这里话,根据第一类样条作为边界。(就是知道两端节点的导数数值,然后来做三次样条插值)
但是这里也分为两种情况,分别是这个数值是随便给的一个数,还是说根据函数的在对应点上数值给出。
情况一:两边导数数值给出
这里假设数值均为1。即 f′(x0)=f′(xn)=f′(xn)=1的情况。
情况一图像
情况一代码
import numpy as np from sympy import * import matplotlib.pyplot as plt def f(x): return 1 / (1 + x ** 2) def cal(begin, end, i): by = f(begin) ey = f(end) I = Ms[i] * ((end - n) ** 3) / 6 + Ms[i + 1] * ((n - begin) ** 3) / 6 + (by - Ms[i] / 6) * (end - n) + ( ey - Ms[i + 1] / 6) * (n - begin) return I def ff(x): # f[x0, x1, ..., xk] ans = 0 for i in range(len(x)): temp = 1 for j in range(len(x)): if i != j: temp *= (x[i] - x[j]) ans += f(x[i]) / temp return ans def calM(): lam = [1] + [1 / 2] * 9 miu = [1 / 2] * 9 + [1] # Y = 1 / (1 + n ** 2) # df = diff(Y, n) x = np.array(range(11)) - 5 # ds = [6 * (ff(x[0:2]) - df.subs(n, x[0]))] ds = [6 * (ff(x[0:2]) - 1)] for i in range(9): ds.append(6 * ff(x[i: i + 3])) # ds.append(6 * (df.subs(n, x[10]) - ff(x[-2:]))) ds.append(6 * (1 - ff(x[-2:]))) Mat = np.eye(11, 11) * 2 for i in range(11): if i == 0: Mat[i][1] = lam[i] elif i == 10: Mat[i][9] = miu[i - 1] else: Mat[i][i - 1] = miu[i - 1] Mat[i][i + 1] = lam[i] ds = np.mat(ds) Mat = np.mat(Mat) Ms = ds * Mat.I return Ms.tolist()[0] def calnf(x): nf = [] for i in range(len(x) - 1): nf.append(cal(x[i], x[i + 1], i)) return nf def calf(f, x): y = [] for i in x: y.append(f.subs(n, i)) return y def nfSub(x, nf): tempx = np.array(range(11)) - 5 dx = [] for i in range(10): labelx = [] for j in range(len(x)): if x[j] >= tempx[i] and x[j] < tempx[i + 1]: labelx.append(x[j]) elif i == 9 and x[j] >= tempx[i] and x[j] <= tempx[i + 1]: labelx.append(x[j]) dx = dx + calf(nf[i], labelx) return np.array(dx) def draw(nf): plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False x = np.linspace(-5, 5, 101) y = f(x) Ly = nfSub(x, nf) plt.plot(x, y, label='原函数') plt.plot(x, Ly, label='三次样条插值函数') plt.xlabel('x') plt.ylabel('y') plt.legend() plt.savefig('1.png') plt.show() def lossCal(nf): x = np.linspace(-5, 5, 101) y = f(x) Ly = nfSub(x, nf) Ly = np.array(Ly) temp = Ly - y temp = abs(temp) print(temp.mean()) if __name__ == '__main__': x = np.array(range(11)) - 5 y = f(x) n, m = symbols('n m') init_printing(use_unicode=True) Ms = calM() nf = calnf(x) draw(nf) lossCal(nf)
情况二:两边导数数值由函数本身算出
这里假设数值均为1。即 f′(xi)=S′(xi)(i=0,n)f′(xi)=S′(xi)(i=0,n)的情况。
情况二图像
情况二代码
import numpy as np from sympy import * import matplotlib.pyplot as plt def f(x): return 1 / (1 + x ** 2) def cal(begin, end, i): by = f(begin) ey = f(end) I = Ms[i] * ((end - n) ** 3) / 6 + Ms[i + 1] * ((n - begin) ** 3) / 6 + (by - Ms[i] / 6) * (end - n) + ( ey - Ms[i + 1] / 6) * (n - begin) return I def ff(x): # f[x0, x1, ..., xk] ans = 0 for i in range(len(x)): temp = 1 for j in range(len(x)): if i != j: temp *= (x[i] - x[j]) ans += f(x[i]) / temp return ans def calM(): lam = [1] + [1 / 2] * 9 miu = [1 / 2] * 9 + [1] Y = 1 / (1 + n ** 2) df = diff(Y, n) x = np.array(range(11)) - 5 ds = [6 * (ff(x[0:2]) - df.subs(n, x[0]))] # ds = [6 * (ff(x[0:2]) - 1)] for i in range(9): ds.append(6 * ff(x[i: i + 3])) ds.append(6 * (df.subs(n, x[10]) - ff(x[-2:]))) # ds.append(6 * (1 - ff(x[-2:]))) Mat = np.eye(11, 11) * 2 for i in range(11): if i == 0: Mat[i][1] = lam[i] elif i == 10: Mat[i][9] = miu[i - 1] else: Mat[i][i - 1] = miu[i - 1] Mat[i][i + 1] = lam[i] ds = np.mat(ds) Mat = np.mat(Mat) Ms = ds * Mat.I return Ms.tolist()[0] def calnf(x): nf = [] for i in range(len(x) - 1): nf.append(cal(x[i], x[i + 1], i)) return nf def calf(f, x): y = [] for i in x: y.append(f.subs(n, i)) return y def nfSub(x, nf): tempx = np.array(range(11)) - 5 dx = [] for i in range(10): labelx = [] for j in range(len(x)): if x[j] >= tempx[i] and x[j] < tempx[i + 1]: labelx.append(x[j]) elif i == 9 and x[j] >= tempx[i] and x[j] <= tempx[i + 1]: labelx.append(x[j]) dx = dx + calf(nf[i], labelx) return np.array(dx) def draw(nf): plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False x = np.linspace(-5, 5, 101) y = f(x) Ly = nfSub(x, nf) plt.plot(x, y, label='原函数') plt.plot(x, Ly, label='三次样条插值函数') plt.xlabel('x') plt.ylabel('y') plt.legend() plt.savefig('1.png') plt.show() def lossCal(nf): x = np.linspace(-5, 5, 101) y = f(x) Ly = nfSub(x, nf) Ly = np.array(Ly) temp = Ly - y temp = abs(temp) print(temp.mean()) if __name__ == '__main__': x = np.array(range(11)) - 5 y = f(x) n, m = symbols('n m') init_printing(use_unicode=True) Ms = calM() nf = calnf(x) draw(nf) lossCal(nf)
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
《魔兽世界》大逃杀!60人新游玩模式《强袭风暴》3月21日上线
暴雪近日发布了《魔兽世界》10.2.6 更新内容,新游玩模式《强袭风暴》即将于3月21 日在亚服上线,届时玩家将前往阿拉希高地展开一场 60 人大逃杀对战。
艾泽拉斯的冒险者已经征服了艾泽拉斯的大地及遥远的彼岸。他们在对抗世界上最致命的敌人时展现出过人的手腕,并且成功阻止终结宇宙等级的威胁。当他们在为即将于《魔兽世界》资料片《地心之战》中来袭的萨拉塔斯势力做战斗准备时,他们还需要在熟悉的阿拉希高地面对一个全新的敌人──那就是彼此。在《巨龙崛起》10.2.6 更新的《强袭风暴》中,玩家将会进入一个全新的海盗主题大逃杀式限时活动,其中包含极高的风险和史诗级的奖励。
《强袭风暴》不是普通的战场,作为一个独立于主游戏之外的活动,玩家可以用大逃杀的风格来体验《魔兽世界》,不分职业、不分装备(除了你在赛局中捡到的),光是技巧和战略的强弱之分就能决定出谁才是能坚持到最后的赢家。本次活动将会开放单人和双人模式,玩家在加入海盗主题的预赛大厅区域前,可以从强袭风暴角色画面新增好友。游玩游戏将可以累计名望轨迹,《巨龙崛起》和《魔兽世界:巫妖王之怒 经典版》的玩家都可以获得奖励。
更新日志
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]