[英]How to complete Lagrange Interpolation correctly by python
我被要求使用拉格朗日插值法绘制一条穿过图形上几个点的线(禁止使用 scipy.interpolate.lagrange)。
但似乎我的代码不能给出正确的结果。 说实话,我什至不知道哪一部分是错的。
如果我被要求找到线上特定点的值,我应该如何调整代码来做到这一点?
第一张图片是预期的 output。第二张图片是我的代码中的 output。
有人可以告诉我如何纠正吗?
源代码
import numpy as np
import matplotlib.pyplot as plt
m = 4
X = np.array([0, 1, 1.5, 2, 3])
Y = np.array([2, 8, 12, 10, 20])
def p(x):
px = 0;
for j in range(m+1):
Lmj = 1
for k in range(m+1):
if k != j:
Lmj *= (x - X[k])/(X[j] - X[k])
px += Y[j] * Lmj;
return px
plt.scatter(X, Y)
Xinterp = np.linspace(min(X), max(X), 100)
plt.plot(Xinterp, p(Xinterp))
plt.show()
另外, plt.show() 行是否必要? 从我讲师的笔记来看,代码没有这一行,但仍然可以显示图形。 但是在我复制的源代码版本中,我需要添加这一行来显示图表。
非常感谢您注意到这个问题。
这是一些 python 代码,它从您的点集生成numpy.polynomial
:
import numpy as np
from numpy.polynomial import Polynomial
import matplotlib.pyplot as plt
X = np.array([0, 1, 1.5, 2, 3])
Y = np.array([2, 8, 12, 10, 20])
n = len(X)
poly = Polynomial(np.zeros(n))
for j in range(n):
k = [k for k in range(n) if k != j]
roots = -1 * X[k]
sub_poly = Polynomial.fromroots(X[k])
scale = Y[j] / np.prod(X[j] - X[k])
sub_poly.coef *= scale
poly.coef += sub_poly.coef
然后您可以通过以下方式拨打 plot:
plt.scatter(X, Y)
Xinterp = np.linspace(min(X), max(X), 100)
plt.plot(Xinterp, poly(Xinterp))
plt.show()
或查找特定值:
print(poly(0.5))
更多信息请看这里: https://learn.64bitdragon.com/articles/computer-science/numerical-analysis/lagrange-interpolation
完全披露:我是这篇文章的作者。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.