前言：

本文计算离散点微分和积分的内容，参考的是origin软件提供的算法。

鉴于在百度和谷歌搜索标题的结果不尽人意，因此想在此做一个详细的总结。

若阅读时间有限，可直接阅读第二或第三部分的代码及其运行结果。

若有疑问或者错误，欢迎评论区留言提问或者指正，谢谢。

一、原理解释

【微分部分】

大致含义：对于端点以外的散点，其导数为：与其相邻两点的斜率的平均值；而位于端点的散点，其导数为：与其最近一点的斜率。

【积分部分】

大致含义：两点之间的积分，为两点连线，和两点对x轴的垂线，以及两垂足之间的线段所组成的梯形的面积。本文咱不探讨存在水平线baseline的情况下散点积分的数学面积（面积可正可负）与绝对面积（恒为正），感兴趣的读者可以点击参考文献4去阅读。

注解：

1.梯形面积公式 = 1/2 * (上底+下底) * 高

2.x(i+1) - x(i)（含有i的括号内的式子均为下标）：表示梯形的高

3.f(x(i+1))+f(x(i))（含有i的括号内的式子均为下标）：表示梯形上下底之和

二、纯代码：

【微分部分】

# 定义计算离散点导数的函数
def cal_deriv(x, y):                  # x, y的类型均为列表diff_x = []                       # 用来存储x列表中的两数之差for i, j in zip(x[0::], x[1::]):  diff_x.append(j - i)diff_y = []                       # 用来存储y列表中的两数之差for i, j in zip(y[0::], y[1::]):diff_y.append(j - i)  slopes = []                       # 用来存储斜率for i in range(len(diff_y)):slopes.append(diff_y[i] / diff_x[i])deriv = []                        # 用来存储一阶导数for i, j in zip(slopes[0::], slopes[1::]):        deriv.append((0.5 * (i + j))) # 根据离散点导数的定义，计算并存储结果deriv.insert(0, slopes[0])        # (左)端点的导数即为与其最近点的斜率deriv.append(slopes[-1])          # (右)端点的导数即为与其最近点的斜率for i in deriv:                   # 打印结果，方便检查，调用时也可注释掉print(i)return deriv                      # 返回存储一阶导数结果的列表

x = [1/60, 1/30, 1/20, 1/15, 1/12, 1/10, 7/60, 2/15, 3/20, 1/6, 11/60]
y = [99.8014, 99.80255, 99.80633, 99.81218, 99.82422, 99.83488, 99.85151, 99.87169, 99.89393, 99.91125,99.92673]print(cal_deriv(x, y))# 运行结果
# 0.06899999999973261
# 0.14790000000004963
# 0.2889000000000408
# 0.5366999999998258
# 0.6810000000000114
# 0.8187000000002341
# 1.1043000000000804
# 1.2725999999997841
# 1.1867999999998349
# 0.9840000000002649
# 0.9288000000006493
# [0.06899999999973261, 0.14790000000004963, 0.2889000000000408, 0.5366999999998258, 0.6810000000000114, 0.8187000000002341, 1.1043000000000804, 1.2725999999997841, 1.1867999999998349, 0.9840000000002649, 0.9288000000006493]

为便于理解，展示手算 "x=1/60" 和 "x=1/30" 处(一阶)导数的过程：

x = 1/60:

diff_x = 1/30 - 1/60 = 1/60

diff_y = 99.80255 - 99.8014 = 0.00115

点 "x = 1/60" (端点) 与其相邻点的斜率为：slopes = diff_y / diff_x = 0.00115 / (1/60) = 0.069

点 "x=1/60" 处的导数为：deriv(x = 1/60) = 0.069 (也可0.5 * (0.069+0.069) = 0.069)

x = 1/30:

diff_x = 1/20 - 1/30 = 1/60 (由于x的间距均为1/60，因此也可不重复计算)

diff_y = [99.80255 - 99.8014, 99.80633 - 99.80255] = [0.00115, 0.00378]

点 "x = 1/30" 与其相邻两点的斜率分别为：

slopes = [0.00115 / (1/60), 0.00378 / (1/60)] = [0.069, 0.2268]

点 "x=1/30" 处的导数为：deriv(x = 1/30) = 0.5 * ( 0.2268 + 0.069) = 0.1479

注意：设列表x和y的元素个数都为n，则存储两两之差结果的列表diff_x和diff_y的元素个数均为n-1，slopes的元素个数也为n-1；在对deriv进行insert和append操作之前，deriv的元素个数为n-2(原因是对slopes计算两两平均)。为了方便计算，在deriv的两端插入slopes的两端值，这样并不影响结果的正确性(本身+本身的和乘以0.5还是等于本身)。

【微分部分：补充计算二阶导数的函数】

# 补充：计算二阶导数的函数
# 注释掉cal_deriv(x, y)函数中打印结果的那两行以及最后一行return，并添加如下函数即可：def cal_2nd_deriv(x,y):return cal_deriv(x, cal_deriv(x, y))# 用了迭代的思路：将一阶导数的结果作为y再次输入，而x保持不变

x = [1/60, 1/30, 1/20, 1/15, 1/12, 1/10, 7/60, 2/15, 3/20, 1/6, 11/60]
y = [99.8014, 99.80255, 99.80633, 99.81218, 99.82422, 99.83488, 99.85151, 99.87169, 99.89393, 99.91125,99.92673]
cal_2nd_deriv(x,y)# 运行结果
# [4.734000000019021,
#  6.597000000009245,
#  11.663999999993285,
#  11.76299999999912,
#  8.46000000001225,
#  12.699000000002073,
#  13.616999999986504,
#  2.4749999999926335,
#  -8.657999999985579,
#  -7.739999999975568,
#  -3.3119999999769343]

为便于理解，展示手算 “x=1/60” 和 “x=1/30” 处二阶导数的过程：

x = 1/60:

diff_x = 1/30 - 1/60 = 1/60

diff_y (diff_deriv) = 0.1479 - 0.069 = 0.0789

点 "x = 1/60" (端点) 与其相邻点的斜率为：slopes = diff_y / diff_x = 0.0789 / (1/60) = 4.734

点 "x=1/60" 处的二阶导数为：2nd_deriv(x = 1/60) = 4.734 (也可0.5 * (4.734 + 4.734) = 4.734)

x = 1/30:

diff_x = 1/20 - 1/30 = 1/60 (由于x的间距均为1/60，因此也可不重复计算)

diff_y (diff_deriv) = [0.1479 - 0.069, 0.2889 - 0.1479] = [0.0789, 0.141]

点 "x = 1/30" 与其相邻两点的斜率分别为：

slopes = [0.0789 / (1/60), 0.141 / (1/60)] = [4.734, 8.46]

点 "x=1/30" 处的二阶导数为：2nd_deriv(x = 1/30) = 0.5 * (4.734 + 8.46) = 6.597

【积分部分】

import numpy as np
import scipy
from scipy.integrate import simps # 用于计算积分
import matplotlib.pyplot as plt   # 用于画图x = np.arange(11)       # 构造一个从0到10的等差数列数组，作为横轴取值
y = np.arange(11)       # 构造一个从0到10的等差数列数组，作为纵轴取值
integrals = []          # 用于存储积分for i in range(len(y)): # 计算梯形的面积，由于是累加，所以是切片"i+1"integrals.append(scipy.integrate.trapz(y[:i + 1], x[:i + 1]))
for i in integrals:     # 输出结果(存储的积分)print(i)plt.plot(x, y)
plt.show()

# 定义计算离散点积分的函数
def cal_integral(x,y):import scipyfrom scipy.integrate import simps # 用于计算积分integrals = []for i in range(len(y)): # 计算梯形的面积，由于是累加，所以是切片"i+1"integrals.append(scipy.integrate.trapz(y[:i + 1], x[:i + 1]))return integrals

import numpy as np
x = np.arange(11)       # 构造一个从1到10的等差数列数组，作为横轴取值
y = np.arange(11)       # 构造一个从1到10的等差数列数组，作为纵轴取值cal_integral(x,y)# 运行结果
# [0.0, 0.5, 2.0, 4.5, 8.0, 12.5, 18.0, 24.5, 32.0, 40.5, 50.0]

三、代码及其运行结果

【微分部分】

与百度经验提供的参考结果非常接近（精确到小数点后三到四位），以及结果对应的折线图

注意：这里的第11个x（11/60）由于处在列表x的末端，其对应的导数不准确（上述结果为0.9288，而实际为0.90471）。这是因为 "x=11/60" 在上述示例中位于右端点，而实际（百度经验中）为非端点。

【微分部分：补充计算二阶导数的函数】

【积分部分】

四、参考文献

【微分部分】

1."Algorithm of calculating derivatives of discrete data in origin software"

2.百度经验：如何使用origin对数据进行一阶求导？

3.Python | Calculate difference between adjacent elements in given list

【积分部分】

4."Algorithm of calculating integrals of discrete data in origin software"

5.Integrating Discrete point in Python

修改记录：

版本号	日期	修改内容
v0.1	2020-08-28	第一版发布
v0.2	2020-09-20	修改了积分部分关于等差数列的小错误: np.arange(10)的"10"改为"11"

python 计算离散点的微分和积分(超详细)相关推荐

python离散积分_python 计算离散点的微分和积分(超详细)
前言: 本文计算离散点微分和积分的内容,参考的是origin软件提供的算法. 鉴于在百度和谷歌搜索标题的结果不尽人意,因此想在此做一个详细的总结. 若阅读时间有限,可直接阅读第二或第三部分的代码及其运 ...
基于python计算包含贝塞尔函数的积分
基于python计算圆形回线瞬变电磁场难点是贝塞尔函数的求解,目前python无该函数,但在scipy.special中,封装了如下Bessel函数. 这些不同类型的Bessel函数,具有相似的输入 ...
用Python实现问卷星自动填写（超详细！！！）
用Python实现问卷星自动填写(超详细!!!) 前言一.配置环境 1.1安装依赖 1.2安装驱动二.实战处理 2.1.引入库函数 2.2.程序所需函数详解 (1)自定义单选函数 (2)自定义多选 ...
python怎么爬取b站_【Python爬虫实例学习篇】——4、超详细爬取bilibili视频
[Python爬虫实例学习篇]--4.超详细爬取bilibili视频由于经常在B站上学习,但无奈于家里网络太差,在线观看卡顿严重,于是萌生了下载视频的想法(如果只是单纯想下载视频,请用you-get ...
微积分之曲线积分与曲面积分超详细知识框架
微积分之曲线积分与曲面积分超详细知识框架这个是我在学完了这一章的时候画的,我个人觉得吧,大家千万不要以为制作思维导图花费时间,其实你在做思维框架的时候,是对整个这一章所有知识的一种大局观,我们能够在 ...
万字长文爆肝Python基础入门【第二弹、超详细数据类型总结】
目录一.建立一个数据火车--列表 1.创建列表 2.列表元素的获取 3.列表元素的添加 4.列表元素的删除 5.列表元素的修改二.列表的亲兄弟--元组 1.创建元组 2.元组元素的获取 3.元组和 ...
python飞机游戏视频教程_10分钟教你用Python做个打飞机小游戏超详细教程
01 前言这次还是用python的pygame库来做的游戏.关于这个库的内容,读者可以上网了解一下.本文只讲解用到的知识.代码参考自网上,自己也做了一点代码简化.尽量把最核心的方面用最简单的方式呈现 ...
教你用Python做个打飞机小游戏超详细教程
01 前言这次还是用python的pygame库来做的游戏.关于这个库的内容,读者可以上网了解一下.本文只讲解用到的知识.代码参考自网上,自己也做了一点代码简化.尽量把最核心的方面用最简单的方式呈现 ...
python能打包成apk吗_超详细APK打包教程
首先发官方的帮助文档地址 http://miaowm5.github.io/RMMV-F1/ 然后点击"转换为Android 程序第一步:安装各种环境.参照官方的文档一个一个安装好即可.我 ...

python 计算离散点的微分和积分(超详细)

前言：

一、原理解释

【微分部分】

大致含义：对于端点以外的散点，其导数为：与其相邻两点的斜率的平均值；而位于端点的散点，其导数为：与其最近一点的斜率。

【积分部分】

二、纯代码：

【微分部分】

【微分部分：补充计算二阶导数的函数】

【积分部分】

三、代码及其运行结果

【微分部分】

【微分部分：补充计算二阶导数的函数】

【积分部分】

四、参考文献

【微分部分】

【积分部分】

修改记录：

python 计算离散点的微分和积分(超详细)相关推荐

最新文章

热门文章

python 计算离散点的微分和积分(超详细)

前言：

一、原理解释

【微分部分】

大致含义：对于端点以外的散点，其导数为：与其相邻两点的斜率的平均值； 而位于端点的散点，其导数为：与其最近一点的斜率。

【积分部分】

二、纯代码：

【微分部分】

【微分部分：补充计算二阶导数的函数】

【积分部分】

三、代码及其运行结果

【微分部分】

【微分部分：补充计算二阶导数的函数】

【积分部分】

四、参考文献

【微分部分】

【积分部分】

修改记录：

python 计算离散点的微分和积分(超详细)相关推荐

最新文章

热门文章

大致含义：对于端点以外的散点，其导数为：与其相邻两点的斜率的平均值；而位于端点的散点，其导数为：与其最近一点的斜率。