Matlab Polyval函数，具有与Python / Numpy等效的三个输出

拟合多项式的numpy和scipy函数不包含像Matlab函数那样自动缩放输入的选项。

首先，以下是无需缩放即可拟合数据的方法：

In [39]: x_cord = [58.2986, 39.5842, 23.0044, 10.9427, 3.0465]

In [40]: y_cord = [0.9600, 0.9700, 0.9800, 0.9900, 1.0000]

In [41]: c = np.polyfit(x_cord, y_cord, 3)

In [42]: c
Out[42]: 
array([ -1.91755884e-07,   2.43049234e-05,  -1.52570960e-03,
         1.00431483e+00])

In [43]: p = np.poly1d(c)

In [44]: p(16.574651718139650)
Out[44]: 0.98483061114799408

In [45]: xx = np.linspace(0, 60, 500)

In [46]: plot(xx, p(xx))
Out[46]: [<matplotlib.lines.Line2D at 0x110c8d0f0>]

In [47]: plot(x_cord, y_cord, 'o')
Out[47]: [<matplotlib.lines.Line2D at 0x10d6f8390>]

numpy计算与Wolfram Alpha一致。

这是您非常接近实际Matlab计算的方法。

为了方便起见，将x_cord列表转换为numpy数组。

In [64]: x_cord = np.array(x_cord)

计算的均值和标准差x_cord。

In [65]: mu = np.mean(x_cord)

In [66]: std = np.std(x_cord, ddof=1)

np.polyfit()使用的缩放版本进行呼叫x_cord。

In [67]: cscaled = np.polyfit((x_cord - mu)/std, y_cord, 3)

这些值非常接近pMatlab代码的注释中显示的数组。

In [68]: cscaled
Out[68]: array([-0.00212068,  0.00436168, -0.01410409,  0.97708027])

创建一个poly1d可以调用的对象。

In [69]: pscaled = np.poly1d(cscaled)

pscaled必须使用mu和转换和缩放输入std。

In [70]: pscaled((16.574651718139650 - mu)/std)
Out[70]: 0.98483061114799486