对数据集进行最小二乘拟合_数据拟合数据集-优快云博客

本文通过使用Python的科学计算库，如Scipy、Numpy和Matplotlib，对风力发电数据进行深入分析。通过对风速和实际功率数据的读取、处理和可视化，展示了如何应用最小二乘法进行曲线拟合，以及如何使用中值滤波进行信号处理，旨在揭示风速与电力产出之间的关系。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# -*- coding: utf-8 -*-
"""
Created on Fri Jul 26 09:52:14 2019

@author: 1701
"""
from scipy import signal 
import  scipy as sp
import  pandas as pd
import  numpy as np
import matplotlib.pyplot as plt

obj=pd.read_csv('C:\\Users\\1701\Desktop\\wt03-0.2-2.csv')
WIND=obj['WIND_SPEED']
POWER=obj['REAL_POWER']

data_wind=np.array(WIND)
data_power=np.array(POWER)

x = pd.array(WIND)# 对数组取反 只选择合法项
y = pd.array(POWER)
#最小二乘法函数
def error(f, x, y):
    return sp.sum((f(x) - y) ** 2)
fp1, res, rank, sv, rcond = sp.polyfit(x, y, 1, full=True)  #生成一阶曲线
f1=sp.poly1d(fp1)
f2p =sp.polyfit(x,y,12)  # 12阶曲线
f2=sp.poly1d(f2p)
fx=sp.linspace(0,x[-1],1000)
plt.plot(fx,f2(fx),linewidth=3,c='yellow',label='拟合曲线')
#中值滤波
im = np.array(POWER)
data_F=signal.medfilt(im,5)# 只能以奇数进行赋值

#plot1=plt.plot(x, y, '*',label='original values')
#plot2=plt.plot(x, yvals, 'yellow',label='polyfit values')
plt.legend(loc=4)#指定legend的位置,读者可以自己help它的用法
data_yuan=pd.read_csv('C:\\Users\\1701\Desktop\\wt09303.csv')
plt.scatter(data_yuan['WIND_SPEED'],data_yuan['REAL_POWER'],c='r',s=5,alpha=0.4, label='元数据')
plt.scatter(WIND,data_F,c='b',s=5,alpha=0.4, label='滤后数据')
plt.xlabel('wind', fontsize=14)
plt.ylabel('power', fontsize=14)
plt.legend()