numpy多项式拟合

　　关于解决使用numpy.ployfit进行多项式拟合的时候请注意数据类型，解决问题的思路就是统一把数据变成浮点型，就可以了。这是numpy里面的一个bug，非常low希望后面改善。

# coding:utf-8

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import interp1d

data = pd.read_excel('指数.xlsx',header=None,index_col=None)

# 数据信息
# print(data.info())

# 查看空值
isnull = data[1].isnull()
# print(isnull)
# print(data[1])

# 替换空值
data[1] = data[1].fillna('')

# 找出索引
index_ = data[isnull].index.tolist()
# print(index_)

# 去除空列所在行
data = data.drop(index_)
# print(data)

x = data[1]
y = data[0]

# 插值

f1=interp1d(x,y,kind='linear')#线性插值
#f2=interp1d(x,y,kind='cubic')#三次样条插值
x_pred=np.arange(1,170,1)
y1=f1(x_pred)

# datas = pd.DataFrame([y1,x_pred])
# datas.to_excel('new指数.xlsx')

#y2=f2(x_pred)
# plt.figure(figsize=[12,7])
# plt.scatter(x,y,s=30,c='red',label='原始指数')
# plt.plot(x_pred,y1,'b--',label='linear interpolation')
# # plt.plot(x_pred,y2,'b--',label='cubic')
# plt.legend(loc='upper left')
# font_size = {'size':13}
# plt.ylabel('淘宝指数',font_size)
# plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置字体为SimHei显示中文
# plt.rcParams['axes.unicode_minus'] = False  # 设置正常显示符号
# plt.show()
# print(x_pred,y1.shape)

# xx = np.hstack([x_pred.reshape(-1,1),np.ones([len(x_pred),1])])

# ****************************************************************************
# 在使用numpy的拟合函数polyfit进行进行拟合时，会出现数据类型的问题，吧他们数据类型统一转浮点型就解决
x_pred = np.array(x_pred,dtype='float')
y1 = np.array(y1,dtype='float')

z1 = np.polyfit(x_pred, y1,3)#用3次多项式拟合
p1 = np.poly1d(z1)
print(p1) #在屏幕上打印拟合多项式
#yvals=p1(x)#也可以使用yvals=np.polyval(z1,x)
yvals=np.polyval(z1,x_pred)

plt.figure(figsize=[12,7])
plt.scatter(x,y,s=30,c='red',label='原始指数')
plt.plot(x_pred,yvals,'b--',label='%s  =  y'%p1)
plt.legend(loc='upper left')
font_size = {'size':13}
plt.ylabel('淘宝指数:y',font_size)
plt.xlabel('x',font_size)
p_mean = (np.sum(np.abs(yvals-y1))/len(y1))
plt.title('平均误差：%s'%(p_mean))

plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置字体为SimHei显示中文
plt.rcParams['axes.unicode_minus'] = False  # 设置正常显示符号
plt.show()