细波德基曲线fi

Question

我用未校准的罗盘在野外收集了简单的测量数据。意识到这一问题，在现场，对一个好的罗盘和未校准的罗盘进行了方位比较，并记录了11个方位的差异。图中显示的差异非常接近于sin函数。 我希望将多项式（3次）拟合到该函数中，以使用未校准的罗盘校正测量数据。我的曲线拟合程序生成的拟合曲线较差。有人能看出什么地方不对劲吗？在

import numpy as np
import scipy
import pylab
correctCompass=\
np.array([134.4,112.6,069.7,051.1,352.5,314.6,218.3,258.2,237.8,186.5,153.7])
errorCompass=\
np.array([131.6,108.9,065.6,047.0,349.8,314.0,284.6,262.7,243.4,189.8,153.2])
# sort compass values
for i in range(0,11):
   for j in range(i+1,11):
       if correctCompass[i] > correctCompass[j]:
          tmp=correctCompass[j]
          correctCompass[j]=correctCompass[i]
          correctCompass[i]=tmp
          tmp=errorCompass[j]
          errorCompass[j]=errorCompass[i]
          errorCompass[i]=tmp

diff = correctCompass - errorCompass + 15.0
height=diff.max() + 16.0
polycoeffs = scipy.polyfit(correctCompass, diff, 3)

# fit the data with a polynomial
yfit = scipy.polyval(polycoeffs,correctCompass)

pylab.plot(correctCompass, diff, 'k.')
pylab.plot(correctCompass, yfit, 'r-')

pylab.axis([0,360,-10.0,height])
pylab.show()

Answer 1

polyfit工作正常，问题是diff中的一个负点降低了拟合度，但当您将yaxis的最小值设置为-10时，它不会显示在绘图中

diff = array([ 19.1,  19.1,  18.7,  17.8,  15.5,  11.7, -51.3,   9.4,  10.5, 15.6,  17.7])

如果你评论pylab.axis([0,360,-10.0,height])你会看到“问题”

此外，可以用以下三行替换两个嵌套的for循环，从而提高代码的可读性：

^{pr2}$