<p>第一步是比较两种方法的中间值</p>
<p>例如,我可以跟踪<code>polyfit</code>步骤</p>
<pre><code>In [304]: def nppolyfit(pnp_array, **kwargs):
...: """ Moving polyfit
...: """
...: win_size = kwargs['length']
...: degree = kwargs['degree']
...:
...: xdata = np.arange(win_size)
...: res = np.zeros(pnp_array.shape)
...: fits = []
...: for i in range(win_size, len(pnp_array) + 1):
...: fit = np.polyfit(xdata , pnp_array[i - win_size : i], deg = degr
...: ee)
...: res[i-1] = np.poly1d(fit)(win_size)
...: fits.append(fit)
...: return res, fits
...:
...:
In [305]:
In [305]: nppolyfit(npd,length=win_size1, degree=degree)
Out[305]:
(array([ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 11.,
12., 13., 14., 15., 16., 17., 18., 19., 20., 21., 22.,
23., 24., 25., 26., 27., 28., 29., 30.]),
[array([ 1.00000000e+00, 1.60677522e-15]),
array([ 1., 1.]),
array([ 1., 2.]),
array([ 1., 3.]),
array([ 1., 4.]),
array([ 1., 5.]),
array([ 1., 6.]),
array([ 1., 7.]),
array([ 1., 8.]),
array([ 1., 9.]),
array([ 1., 10.]),
array([ 1., 11.]),
array([ 1., 12.]),
array([ 1., 13.]),
array([ 1., 14.]),
array([ 1., 15.]),
array([ 1., 16.]),
array([ 1., 17.]),
array([ 1., 18.]),
array([ 1., 19.])])
</code></pre>
<p>然后我应该将其与多维polyfit情况下的<code>fit</code>变量进行比较。在</p>
<p>更改上一个函数以返回<code>fit</code>和<code>res</code>:</p>
^{pr2}$
<p>合身似乎很相配。所以大概问题出在<code>poly1d</code>步骤上。在</p>