python数组：平均数据集的斜率和截距

Question

我在实现以下目标时遇到了一些困难。假设我有两组从测试中获得的数据：

    import numpy as np
    a = np.array([[0.0, 1.0, 2.0, 3.0], [0.0, 2.0, 4.0, 6.0]]).T
    b = np.array([[0.5, 1.5, 2.5, 3.5], [0.5, 1.5, 2.5, 3.5]]).T

其中，第0列中的数据表示（在我的情况下）位移，第1列中的数据表示各自测得的力值。在

（给定数据表示斜率为2和1的两条直线，y轴截距均为0。）

现在，我正在尝试编程一个脚本，该脚本将平均这两个数组，尽管x值不匹配，这样它将生成

^{pr2}$

（斜率为1.5且y轴截距为0的直线。）

我尽力使用切片和线性插值，但似乎我无法理解它（我是一个初学者）。在

---

我很高兴有任何意见和建议，并希望我给你的信息是充分的！在

提前谢谢你

罗伯特

Answer 1

您可以获得每个数据集的系数（斜率和截距），获得平均值，然后将数据拟合到新的x值数组中。在

循序渐进：

将deg-1多项式拟合到每个数组a，使用^{}得到每个数组的系数（斜率和截距）：

coef_a = np.polyfit(a[:,0], a[:,1], deg=1)

coef_b = np.polyfit(b[:,0], b[:,1], deg=1)

>>> coef_a
array([  2.00000000e+00,   2.22044605e-16])
>>> coef_b
array([  1.00000000e+00,   1.33226763e-15])

求出这些系数的平均值作为c的系数：

^{pr2}$

使用np.arange为c创建新的x值

c_x = np.arange(0,4,0.5)

>>> c_x
array([ 0. ,  0.5,  1. ,  1.5,  2. ,  2.5,  3. ,  3.5])

使用^{}将新的c系数调整为新的x值：

c_y = np.polyval(coef_c, c_x)

>>> c_y
array([  7.77156117e-16,   7.50000000e-01,   1.50000000e+00,
         2.25000000e+00,   3.00000000e+00,   3.75000000e+00,
         4.50000000e+00,   5.25000000e+00])

使用stack将c_x和{}值放在一起：

c = np.stack([c_x, c_y])

>>> c
array([[  0.00000000e+00,   5.00000000e-01,   1.00000000e+00,
          1.50000000e+00,   2.00000000e+00,   2.50000000e+00,
          3.00000000e+00,   3.50000000e+00],
       [  7.77156117e-16,   7.50000000e-01,   1.50000000e+00,
          2.25000000e+00,   3.00000000e+00,   3.75000000e+00,
          4.50000000e+00,   5.25000000e+00]])

如果您将其四舍五入到2位小数，您将看到它与您期望的结果相同：

>>> np.round(c, 2)
array([[ 0.  ,  0.5 ,  1.  ,  1.5 ,  2.  ,  2.5 ,  3.  ,  3.5 ],
       [ 0.  ,  0.75,  1.5 ,  2.25,  3.  ,  3.75,  4.5 ,  5.25]])

一句话：

c = np.stack([np.arange(0, 4, 0.5),
              np.polyval(np.mean(np.stack([np.polyfit(a.T[0], a.T[1], 1),
                                           np.polyfit(b.T[0], b.T[1], 1)]),
                                 axis=0),
                         np.arange(0, 4, 0.5))])

>>> c
array([[  0.00000000e+00,   5.00000000e-01,   1.00000000e+00,
          1.50000000e+00,   2.00000000e+00,   2.50000000e+00,
          3.00000000e+00,   3.50000000e+00],
       [  7.77156117e-16,   7.50000000e-01,   1.50000000e+00,
          2.25000000e+00,   3.00000000e+00,   3.75000000e+00,
          4.50000000e+00,   5.25000000e+00]])