Python 我应该使用numpy.polyfit还是numpy.polyfit.polyfit或numpy.polymonic.polymonic.polymonic？

两者的区别是什么

及

什么时候我应该用哪一个

我检查了代码，但是两者都在代码中使用numpy.linalg.linalg.lstsq，但在其他方面有所不同

numpy.polyfit的文档也建议使用

什么是正确的选择

---

（奖励：当我想做的第一件事就是适应我的数据时，我将如何使用该类？

从我可以看出，这里有很多遗留问题，我们不应该使用

numpy.polyfit

，我们应该更喜欢它

考虑：

虽然文档相当清楚地指出，系数是[从

numpy.polyfit

-ed.]返回的，并且是最后一个最高阶的，但这很容易被忽略，并且与

numpy.polynomy.polynomy.polyfit（）不一致

过一会儿

首先使用零次系数，如
numpy.polynomy.polynomy.polyfit
中所做的那样，显然更符合逻辑。我的印象是，numpy.polyfit背离这一点的唯一原因是历史事故，当然，现在几乎不可能纠正，因为许多节目可能依赖于这种行为。也许最简单的解决方案是在
numpy.polyfit
中向人们指出“首选”解决方案

从早些时候的评论中可以明显看出，“历史性事故”是指那些首先受到高度重视的人的行为。早期的numpy保留了这个令人困惑的惯例（它甚至可能从项目的前身继承下来），但后来实现了
numpy.polynomy.polynomy.polyfit
™. 关键的区别在于（与MATLAB不同）python使用基于0的索引，在这种情况下，首先使用零阶是非常自然的。按照这种约定，项
k
对应于术语
x**k
，这是一个很好的特性

然后有一个新的描述，试图给出一个更连贯的画面。引用这一问题的历史回忆：

历史
（不一定按时间顺序）

某个基于JVM的线性代数软件包有一个函数，
polyfit
，用于拟合多项式，该函数做出了一些奇怪的设计选择，
比如首先返回系数的最高阶
numpy为了支持上述环境中的逃犯，创建了函数
numpy.polyfit
，模仿了该设计选择
使用
numpy.polyfit
为了修复历史上的错误，numpy创建了函数
numpy.polynomy.polynomy.polyfit
，几乎与
相同的签名，但具有更合理的系数顺序，以及
我宁愿人们用它来代替
人们被这两个非常相似的函数（）弄糊涂了；此外，新函数无法返回协方差矩阵，它确实返回了协方差矩阵
没有掩码数组对应项
numpy向API nirvana和破旧的键盘供电，引入了
numpy.polynomy.polynomy.polynomy
类，并
记录在
numpy.polyfit
中，这是首选的安装方式
多项式，尽管它也没有屏蔽实现，而且
没有返回协方差矩阵
开发人员对这两个问题的回答清楚地表明，
numpy.polyfit
是技术债务，正如其文档所述，新代码应该使用
多项式
类。自2016年以来，文档有了很大的改进，现在有了从
numpy.polyfit
到
polymone
的指针，但仍然存在很多歧义。理想情况下，两种
polyfit
方法都应该解释它们相对于另一种方法的情况，并将用户指向
多项式
类作为编写新代码的一种明显方式。
还有一个非常奇怪的区别：np.polyfit中的权重仅应用于y值（最小二乘法的右侧），而在np.Polynomy.Polynomy.Polynomy拟合应用于整个点（x_i，y_i）（最小二乘法的左侧和右侧）。我不明白np.polyfit的方法的意义是什么。。。你能评论一下吗？@Make42你确定这是一个实际的区别，而不仅仅是措辞上的区别吗？后来的
np.polynomy.polynomy.polyfit
说“理想情况下，选择权重，使乘积w[i]*y[i]的误差都具有相同的方差。”算法说“这个问题是通过建立（通常）超定矩阵方程来解决的：
V（x）*c=w*y
”，因此，权重乘以
y
分量。我认为唯一有意义的事情是对点进行加权，这恰好是通过乘以
y
组件来实现的。一些例子有功能上的不同吗？我检查了代码，所以是的，我或多或少有把握。正如我所写的：在
np.polynomy.polynomy.polyfit
中，我们将权重乘以两边（包括y）。我的观点是，在
np.polyfit
中，我们只在y边相乘。“我认为唯一有意义的事情是衡量分数”-我同意，这就是为什么我认为
np.polyfit
的行为很奇怪的原因。请检查代码以确认（或反驳）。@Make42我生成了随机多项式和拟合多项式，这两种方法都带有权重。结果是相同的（不完全相同，但已知两者使用不同的算法）。这表明它们实现了相同的拟合，只是其中一个在数值上比另一个更稳定。如果删除给定输入点集的
w
关键字，您将看到两个结果都会改变并保持相等，因此权重确实会影响结果。这是骗局