我认为你有点误解。这是numpy
是(如果你使用matplotlib
它已经转换的东西为numpy的阵列,当你的情节,不管。)
只需将您的“600个值列表”到numpy的数组,然后评估该多项式。
举个例子:
import numpy as np
import matplotlib.pyplot as plt
# Your "list of 600 values"...
x = np.linspace(0, 10, 600)
# Evaluate a polynomial at each location in `x`
y = -1.3 * x**3 + 10 * x**2 - 3 * x + 10
plt.plot(x, y)
plt.show()
编辑:根据您的编辑 ,这听起来像你问如何使用numpy.polyder
?
基本上,你只是想用numpy.polyval
来评估polyder
在你的点位置返回的多项式。
要建立在上面的例子:
import numpy as np
import matplotlib.pyplot as plt
# Your "list of 600 values"...
x = np.linspace(0, 10, 600)
coeffs = [-1.3, 10, 3, 10]
# Evaluate a polynomial at each location in `x`
y = np.polyval(coeffs, x)
# Calculate the derivative
der_coeffs = np.polyder(coeffs)
# Evaluate the derivative on the same points...
y_prime = np.polyval(der_coeffs, x)
# Plot the two...
fig, (ax1, ax2) = plt.subplots(nrows=2)
ax1.plot(x, y)
ax1.set_title('Original Function')
ax2.plot(x, y_prime)
ax2.set_title('Deriviative')
plt.show()
你是如何绘制多项式?是600值列表的拟合多项式? – Bitwise
这是一个合适的,但不同的600个值列表。 – nathancahill
那么为什么不只是增加你适合的点呢?我假设你正在使用numpy吗? – Bitwise