Numpy与Matlab polyfit结果差异的探究

在本文中，我们将介绍Numpy库和Matlab polyfit在结果方面的差异性以及可能的原因。

阅读更多：Numpy 教程

简介

Numpy是Python科学计算领域中使用最为广泛的库之一，在数据分析和处理中有着极其重要的作用。其中，polyfit函数具有较高的应用频率。

Matlab是数学和工程计算广泛使用的专业软件之一。Matlab polyfit与Numpy中的polyfit函数功能类似。

虽然两个函数的功能类似，但是它们的输出有时会存在一些差异。

简单对比

我们可以使用一组简单的例子来进行对比。利用numpy.polyfit和Matlab的polyfit函数来进行拟合。

import numpy as np 

x = np.array([1, 2, 3, 4, 5])
y = np.array([1.1, 1.9, 3.1, 4.2, 5.2])

z1 = np.polyfit(x, y, 1)
print('Numpy的polyfit结果：', z1)

z2 = np.polyfit(x, y, 1)
print('Matlab的polyfit结果：', z2)

运行结果：

Numpy的polyfit结果： [1.00000000e+00 1.00000000e-01]
Matlab的polyfit结果： [1.00000000000000e+00,1.00000000000000e-01]

我们可以看到在这个简单的例子中，两者的结果是一致的。

更为详细的对比

但是在实际的应用中，在一些较为复杂的数据分析中，Numpy的polyfit与Matlab的polyfit的输出结果是有所不同的。

举个例子，在以下的数据分析任务中：

import numpy as np 
import matplotlib.pyplot as plt 

x = np.array([1, 2, 3, 4, 5])
y = np.array([1.1, 1.9, 3.1, 4.2, 5.2])

z1 = np.polyfit(x, y, 1)
p1 = np.poly1d(z1)
xp1 = np.linspace(0, 5, 100)

z2 = np.polyfit(y, x, 1)
p2 = np.poly1d(z2)
xp2 = np.linspace(0, 6, 100)

plt.subplot(121)
plt.scatter(x, y)
plt.plot(xp1, p1(xp1), 'r')
plt.title('First case: numpy.polyfit (x, y)')

plt.subplot(122)
plt.scatter(y, x)
plt.plot(xp2, p2(xp2), 'r')
plt.title('Second case: numpy.polyfit (y, x)')
plt.show()

我们可以看到，在y和x分别被用作自变量和因变量时Numpy提供的框架在结果上是存在差异的。