今天给大家分享的是关于用python实现牛顿插值的内容，用牛顿插值算法能帮助更快速的实现n阶差商的算术，本下文有实例和详细注释供大家参考，需要的朋友参考，接下来跟随小编来学习一下吧。

    1. n阶差商实现

def diff(xi,yi,n):
    """
    param xi:插值节点xi
    param yi:插值节点yi
    param n: 求几阶差商
    return: n阶差商
    """
    if len(xi) != len(yi):  #xi和yi必须保证长度一致
        return
    else:
        diff_quot = [[] for i in range(n)]
        for j in range(1,n+1):
            if j == 1:
                for i in range(n+1-j):
                    diff_quot[j-1].append((yi[i]-yi[i+1]) / (xi[i] - xi[i + 1]))
            else:
                for i in range(n+1-j):
                    diff_quot[j-1].append((diff_quot[j-2][i]-diff_quot[j-2][i+1]) / (xi[i] - xi[i + j]))
    return diff_quot

    测试一下：

xi = [1.615,1.634,1.702,1.828]
yi = [2.41450,2.46259,2.65271,3.03035]
n = 3
print(diff(xi,yi,n))

    返回的差商结果为：

[[2.53105263157897, 2.7958823529411716, 2.997142857142854], [3.0440197857724347, 1.0374252793901158], [-9.420631485362996]]

    2. 牛顿插值实现

def Newton(x):
    f = yi[0]
    v = []
    r = 1
    for i in range(n):
        r *= (x - xi[i])
        v.append(r)
        f += diff_quot[i][0] * v[i]
    return f

    测试一下：

x = 1.682
print(Newton(x))

    结果为：

2.5944760289639732

    3.完整Python代码

def Newton(xi,yi,n,x):
    """
    param xi:插值节点xi
    param yi:插值节点yi
    param n: 求几阶差商
    param x: 代求近似值
    return: n阶差商
    """
    if len(xi) != len(yi):  #xi和yi必须保证长度一致
        return
    else:
        diff_quot = [[] for i in range(n)]
        for j in range(1,n+1):
            if j == 1:
                for i in range(n+1-j):
                    diff_quot[j-1].append((yi[i]-yi[i+1]) / (xi[i] - xi[i + 1]))
            else:
                for i in range(n+1-j):
                    diff_quot[j-1].append((diff_quot[j-2][i]-diff_quot[j-2][i+1]) / (xi[i] - xi[i + j]))
    print(diff_quot)
    
    f = yi[0]
    v = []
    r = 1
    for i in range(n):
        r *= (x - xi[i])
        v.append(r)
        f += diff_quot[i][0] * v[i]
    return f

    关于用python实现牛顿插值法的实例就分享到这，上述代码仅供参考，感兴趣的朋友可以看看，希望能对大家有帮助，想要了解更多python插值法的内容，大家可以关注群英网络其它相关文章。

文本转载自脚本之家

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• Numpy和Pandas是什么，如何应用

  这篇文章主要介绍了python数学建模之Numpy 应用介绍与Pandas学习，NumPy 是一个运行速度非常快的数学库，一个开源的的python科学计算库，主要用于数组、矩阵计算

• Python数据类型及其简单的操作是怎样的呢？

  Python中的数据类型有：数字类型，元组类型，布尔类型，集合类型，列表类型，字典类型，字符串类型；其中，列表类型，字典类型，字符串类型 比较复杂。这篇我们先来看数字类型，元组类型，布尔类型，集合类型这几种

• PyTorch中eval和no_grad有何区别，怎么使用

  这篇文章主要介绍了聊聊PyTorch中eval和no_grad的关系，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

• Python中倒序排列的方法有多少种，分别是怎样

  Python中倒排列是倒序排列的意思。Python中倒序排列的方法有多少种

• 基于Python怎样写人机五子棋游戏，代码是什么

  这篇文章主要为大家详细介绍了如何利用Python实现五子棋游戏（人机对战版），文中的示例代码讲解详细，感兴趣的小伙伴可以了解一下