np.array路口// AttributeError的：“模块”对象有没有属性“PiecewisePolynomial”

Question

如蟒蛇初学者，我开始实施一个想法，我已经在Matlab中实现。我想确定数组的交点（x，y坐标），而没有给出明确的函数。也就是说，只有int值的数组可能与浮点坐标有交点。因此，www提供了以下代码，请参阅附件。

通过PIP scipy和interpolate安装后，我解决不了即将到来的

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

搜索功能并没有帮助。

我将非常高兴通过

1. 接收一些帮助解决该ERROR

或/和

不同计算交点（是SciPy的唯一的方式）

PS：计算经由d的交点MATLAB的。差分不是权宜之计，由于路口的一些间隔

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

正如我在评论指出的独特性，你试图使用的方法是不是在SciPy的较新型号的，但它没”不管做什么你都希望它做什么。

我的建议是使用numpy.interp 或scipy.interpolate.interp1d来构建你的函数线性内插，然后使用fsolve因为你没有找到所有可能的交叉点。由于fsolve（很像MATLAB的fzero）一次只能找到一个交点，所以您确实需要遍历数据中的各个部分以查找交点。

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)) 

从算法的问题较多的部分中的一些运行时警告

除此之外，上述发现你的函数的两个交点：

关键步骤检查从fsolve结果是新的（不接近你以前的根源），并且你确实在给定的x0处找到了根。

或者，您可以使用xvals中定义的区间，检查每个区间的分段线性函数，并分析检查这两个参数（我的意思是x1=xvals[i],x2=xvals[i+1], y11=f1[x1], y12=f1[x2]等）在给定区段上是否有交集。您可能可以将这种方法进行矢量化处理，您不必担心结果中的随机性，并且您只需要注意数据中可能出现的奇点（其中np.diff(xvals)很小，并且您将以此除数） 。

---

numpy.interp没有定义的内插器的功能，而直接计算在网格上的内插值。为了使用此功能执行相同的操作，您必须定义一个函数，该函数针对给定的x值调用numpy.interp。由于在零搜索期间大量的功能评估，这可能会比上述效率低。