我得到完全不同的答案,集成了(0,1)spline.integral(0,1)
时scipy.interpolate.UnivariateSpline中的bbox agrument有什么作用?
spline = UnivariateSpline(x, y, bbox=[0,1], k=3.0,s=0.0)
与
spline = UnivariateSpline(x, y, k=3.0,s=0.0)
,与后者比第一显著下产生的结果。所以我想知道bbox参数实际上做了什么?我的x向量的一个例子是[0.0518429, 0.102736, 0.153367, 0.254166, 0.354551, 0.404618, 0.454606, 0.479576, 0.504523, 0.529457, 0.554374, 0.604159, 0.653876, 0.753149, 0.85219, 0.901613, 0.970617]
所以x包含在(0,1)
无关紧要,我遇到'x = np.sort(np.random.uniform(size = 17))'和'y = 10 + np.randn(17)' – vgdev