Обобщите полином, который соответствует данным в одном числе, без построения графика

Question

Я пытаюсь найти экспоненциальные тенденции роста в модели полиномов и проблемы с их идентификацией. Я посмотрел на scipy.optimize.curve_fit на питоне и не могу понять, как узнать форму кривой, не строгая ее. Конечной целью является найти тенденции, которые выглядят как:

Я попытался:

z = np.polyfit(x, y, 3) 
f = np.poly1d(z) 

# calculate new x's and y's 
x_new = np.linspace(x[0], x[-1], 50) 
y_new = f(x_new) 

plt.plot(x,y,'o', x_new, y_new) 
plt.xlim([x[0]-1, x[-1] + 1 ]) 
plt.show() 

Но я не могу определить форму кривой в одном значении, которое затем может быть отсортированных которые имеют положительные тенденции.

Answer 1

определить форму кривой в одном значении

Это может быть сделано с polyfit путем извлечения только один, наиболее важный, коэффициент подогнанной полинома. Конечно, одно значение может дать только приблизительное представление о каком-то тренде: вверх/вниз, вогнуто вверх/вогнуто вниз. Вот как:

x = np.arange(600) 
y = np.exp(x/300) + np.cos(x/30) + np.random.uniform(size=x.shape) # simulated data 

slope = np.polyfit(x, y, 1)[0] 
concavity = np.polyfit(x, y, 2)[0] 
print(slope, concavity) 

Склон старший коэффициент линейной подгонки, который является положительным (около 0,01), что указывает на тенденцию к росту.

Вогнутость, ведущий коэффициент квадратичной посадки, также положительна (форма вогнута вверх в среднем).