区分的関数による曲線フィット？

Question

タイトルが示唆するように、私は区分的な関数でカーブフィットを試みています。次に例を示します。

import numpy as np 
import scipy.optimize as sio 

x = np.array([0, 1, 2, 3, 4, 5]) 
y = np.array([2, 3, 4, 11, 18, 27]) 

def f(x, a): 
    if x <= 2: 
     return x + a 
    elif x >= 3: 
     return x**2 + a 

sio.curve_fit(f, x, y) 

さて、これは次のエラーを返す：印刷機能を追加することにより

ValueError: The truth value of an array with more than one element is ambiguous 

を、私は「X」の値が関数に渡されたためであると考え出し'f'は数値配列です[0, 1, 2, 3, 4, 5]

この問題を回避する方法があるのでしょうか。

ありがとうございます！

Answer 1

これはあなたがNPを使用することができ、問題の一種であります。boolean配列を利用することができます。データの配列が大きい場合は、配列をループするよりもはるかに効率的で、任意の式をif/else条件として使用できます。 numpyの式で使用することができる

import numpy as np 
import scipy.optimize as sio 

x = np.array([0, 1, 2, 3, 4, 5]) 
y = np.array([2, 3, 4, 11, 18, 27]) 

def f(x, a): 
    y = np.zeros(len(x)) 
    y += (x + a) * (x <= 2) 
    y += (x ** 2 + a) * (x >= 3) 
    return y 

sio.curve_fit(f, x, y) 

ここで、x < = 2 =

[True, True, True, False, False, False] 

：

[1, 1, 1, 0, 0, 0] 

Answer 2

全体的な問題は、スカラーの場合はfと書かれていますが、xとaはnumpyの配列です。これはif行とreturnのifステートメントの両方の場合に該当します。

あなたのコードに最も類似した解決策を行うには、次のようになります。

import numpy as np 
import scipy.optimize as sio 

x = np.array([0, 1, 2, 3, 4, 5]) 
y = np.array([2, 3, 4, 11, 18, 27]) 

def f(x, a): 
    y = np.zeros(len(x)) 
    for i, xi in enumerate(x): 
     if xi <= 2: 
      y[i] = xi + a 
     elif xi >= 3: 
      y[i] = xi**2 + a 
    return y 

sio.curve_fit(f, x, y) 

fのより多くのベクトル化の定義は次のようになります。

def f(x, a): 
    y = np.zeros(len(x)) 
    y[:3] += a 
    y[3:] = x[3:]**2 + a 
    return y