np.array路口// AttributeError的：「模塊」對象有沒有屬性「PiecewisePolynomial」

Question

如蟒蛇初學者，我開始實施一個想法，我已經在Matlab中實現。我想確定數組的交點（x，y座標），而沒有給出明確的函數。也就是說，只有int值的數組可能與浮點座標有交點。因此，www提供了以下代碼，請參閱附件。

通過PIP scipy和interpolate安裝後，我解決不了即將到來的

ERROR: AttributeError: 'module' object has no attribute 'PiecewisePolynomial'. 

搜索功能並沒有幫助。

我將非常高興通過

1. 接收一些幫助解決該ERROR

或/和

不同計算交點（是SciPy的唯一的方式）

PS：計算經由d的交點MATLAB的。差分不是權宜之計，由於路口的一些間隔

import scipy.interpolate as interpolate 
import scipy.optimize as optimize 
import numpy as np 

x1=np.array([1.4,2.1,3,5.9,8,9,23]) 
y1=np.array([2.3,3.1,1,3.9,8,9,11]) 
x2=np.array([1,2,3,4,6,8,9]) 
y2=np.array([4,12,7,1,6.3,8.5,12])  

p1 = interpolate.PiecewisePolynomial(x1,y1[:,np.newaxis]) 
p2 = interpolate.PiecewisePolynomial(x2,y2[:,np.newaxis]) 

def pdiff(x): 
    return p1(x)-p2(x) 

xs=np.r_[x1,x2] 
xs.sort() 
x_min=xs.min() 
x_max=xs.max() 
x_mid=xs[:-1]+np.diff(xs)/2 
roots=set() 
for val in x_mid: 
    root,infodict,ier,mesg = optimize.fsolve(pdiff,val,full_output=True) 
    # ier==1 indicates a root has been found 
    if ier==1 and x_min<root<x_max: 
     roots.add(root[0]) 
roots=list(roots)   
print(np.column_stack((roots,p1(roots),p2(roots)))) 

Answer 1

正如我在評論指出的獨特性，你試圖使用的方法是不是在SciPy的較新型號的，但它沒」不管做什麼你都希望它做什麼。

我的建議是使用numpy.interp 或scipy.interpolate.interp1d來構建你的函數線性內插，然後使用fsolve因爲你沒有找到所有可能的交叉點。由於fsolve（很像MATLAB的fzero）一次只能找到一個交點，所以您確實需要遍歷數據中的各個部分以查找交點。

import scipy.interpolate as interpolate 
import scipy.optimize as optimize 
import numpy as np 

x1 = np.array([1.4,2.1,3,5.9,8,9,23]) 
y1 = np.array([2.3,3.1,1,3.9,8,9,11]) 
x2 = np.array([1,2,3,4,6,8,9]) 
y2 = np.array([4,12,7,1,6.3,8.5,12])  

# linear interpolators 
opts = {'fill_value': 'extrapolate'} 
f1 = interpolate.interp1d(x1,y1,**opts) 
f2 = interpolate.interp1d(x2,y2,**opts) 

# possible range for an intersection 
xmin = np.min((x1,x2)) 
xmax = np.max((x1,x2)) 

# number of intersections 
xuniq = np.unique((x1,x2)) 
xvals = xuniq[(xmin<=xuniq) & (xuniq<=xmax)] 
# note that it's bad practice to compare floats exactly 
# but worst case here is a bit of redundance, no harm 

# for each combined interval there can be at most 1 intersection, 
# so looping over xvals should hopefully be enough 
# one can always err on the safe side and loop over a `np.linspace` 

intersects = [] 
for xval in xvals: 
    x0, = optimize.fsolve(lambda x: f1(x)-f2(x), xval) 
    if (xmin<=x0<=xmax 
     and np.isclose(f1(x0),f2(x0)) 
     and not any(np.isclose(x0,intersects))): 
     intersects.append(x0) 

print(intersects) 
print(f1(intersects)) 
print(f2(intersects)) 

從算法的問題較多的部分中的一些運行時警告

除此之外，上述發現你的函數的兩個交點：

關鍵步驟檢查從fsolve結果是新的（不接近你以前的根源），並且你確實在給定的x0處找到了根。

或者，您可以使用xvals中定義的區間，檢查每個區間的分段線性函數，並分析檢查這兩個參數（我的意思是x1=xvals[i],x2=xvals[i+1], y11=f1[x1], y12=f1[x2]等）在給定區段上是否有交集。您可能可以將這種方法進行矢量化處理，您不必擔心結果中的隨機性，並且您只需要注意數據中可能出現的奇點（其中np.diff(xvals)很小，並且您將以此除數） 。

---

numpy.interp沒有定義的內插器的功能，而直接計算在網格上的內插值。爲了使用此功能執行相同的操作，您必須定義一個函數，該函數針對給定的x值調用numpy.interp。由於在零搜索期間大量的功能評估，這可能會比上述效率低。