求解Python中的平面方程（如在Matlab中）

我有一個數據集，我試圖從中得到一個平面的方程。即：a * x + b * y + c = z 在我的情況下，dT = x，dTa = y，Constant = c，dV = z。求解Python中的平面方程（如在Matlab中）

我能夠在Matlab中做到這一點很容易，代碼：

dT = [8.5; 3.5; .4; 12.9] 

dT = 

    8.5000 
    3.5000 
    0.4000 
    12.9000 

dTa = [8.5; 18; 22; 34.9] 

dTa = 

    8.5000 
    18.0000 
    22.0000 
    34.9000 

dV = [3; 1; .5; 3] 

dV = 

    3.0000 
    1.0000 
    0.5000 
    3.0000 

Constant = ones(size(dT)) 

Constant = 

    1 
    1 
    1 
    1 

coefficients = [dT dTa Constant]\dV 

coefficients = 

    0.2535 
    -0.0392 
    1.0895

所以，在這裏，係數=（A，B，C）。

在Python中是否有相當的方法來做到這一點？我一直在嘗試使用numpy模塊（numpy.linalg），但它的工作效果並不好。其中之一，矩陣必須是方形的，即使如此，它也不會給出非常好的答案。例如：

錯誤：

>>> dT 
[8.5, 3.5, 0.4, 12.9] 
>>> dTa 
[8.5, 18, 22, 34.9] 
>>> dV 
[3, 1, 0.5, 3] 
>>> Constant 
array([ 1., 1., 1., 1.]) 
>>> numpy.linalg.solve([dT, dTa, Constant], dV) 

Traceback (most recent call last): 
    File "<pyshell#45>", line 1, in <module> 
    numpy.linalg.solve([dT, dTa, Constant], dV) 
    File "C:\Python27\lib\site-packages\numpy\linalg\linalg.py", line 312, in solve 
    _assertSquareness(a) 
    File "C:\Python27\lib\site-packages\numpy\linalg\linalg.py", line 160, in _assertSquareness 
    raise LinAlgError, 'Array must be square' 
LinAlgError: Array must be square

Wokrking與方陣：

>>> dT 
array([ 8.5, 3.5, 12.9]) 
>>> dTa 
array([ 8.5, 18. , 34.9]) 
>>> dV 
array([3, 1, 3]) 
>>> Constant 
array([ 1., 1., 1.]) 
>>> numpy.linalg.solve([dT, dTa, Constant], dV) 
array([ 2.1372267 , 2.79746835, -1.93469505])

這些甚至還沒有接近我之前得到的值！

任何想法傢伙？任何意見讚賞。

來源

2012-08-14 sirgogo

在您對問題的解釋中，您是不是指'dT = x，dTa = y'？ – 2012-08-15 06:47:33

對，我完全搞砸了。將立即編輯。 – sirgogo 2012-08-15 18:42:14

所以，我發現這幅畫

，並適應它包括一個常數。這裏是我的解決代碼：

X = 0 
    XX = 0 
    XY = 0 
    XZ = 0 

    Y = 0 
    YY = 0 
    YZ = 0 

    Z = 0 

    for j in range(0, len(dTemp)): 
     X = X + dTemp[j] 
     XX = XX + (dTemp[j] * dTemp[j]) 
     XY = XY + (dTemp[j] * dTempA[j]) 
     XZ = XZ + (dTemp[j] * Applied[j]) 

     Y = Y + dTempA[j] 
     YY = YY + (dTempA[j] * dTempA[j]) 
     YZ = YZ + (dTempA[j] * Applied[j]) 

     Z = Z + Applied[j] 


    lhs = numpy.array([[XX, XY, X], [XY, YY, Y], [X, Y, 1]]) 
    rhs = numpy.array([XZ, YZ, Z]) 

    coefficients = numpy.linalg (lhs, rhs) 

    a = coefficients[0] 
    b = coefficients[1] 
    c = coefficients[2]

我認爲做的伎倆！仍然值得一點，但也許這是因爲Matlab使用不同的算法？

來源

2012-08-15 18:47:56 sirgogo

在第一個示例中，您需要使用numpy.linalg.lstsq。無論哪種方式，你似乎混淆了矩陣的行和列。使用類似numpy.linalg.solve(zip(dT, dTa, Constant), dV)的方法修復它。

來源

2012-08-14 23:33:59

對，我實際上使用scipy.array（dT）.transpose（）來翻轉它們。 – sirgogo 2012-08-15 18:49:13

求解Python中的平面方程（如在Matlab中）

回答

相關問題