用从多项式回归获得的计算值替换列表中的NP.NAN

Question

我有两个 y 值列表：

y_list1 = [45,np.nan,np.nan,np.nan, 40,50,6,2,7,np.nan, np.nan,np.nan, np.nan, np.nan]

y_list2 = [4,23,np.nan, np.nan, np.nan, np.nan, np.nan,5, np.nan, np.nan, np.nan, np.nan, np.nan]

这两个值都是在一组时间点获得的：

x = np.array([0,3,4,5,6,7,8,9,10,11,12,13,14,15])

目标：通过将多项式回归拟合到那里的数据，返回 y_list1 和 y_list2，并将 np.nans 替换为值，然后计算缺失点。

我能够拟合多项式：

import sys
import numpy as np

x = np.array([0,3,4,5,6,7,8,9,10,11,12,13,14,15])

id_list = ['1','2']
list_y = np.array([[45,np.nan,np.nan,np.nan, 40,50,6,2,7,np.nan, np.nan,np.nan, np.nan, np.nan],[4,23,np.nan, np.nan, np.nan, np.nan, np.nan,5, np.nan, np.nan, np.nan, np.nan, np.nan]]

for each_id,y in zip(id_list,list_y):

        #treat the missing data
        idx = np.isfinite(x) & np.isfinite(y)

        #fit
        ab = np.polyfit(x[idx], y[idx], len(list_y[0])) 

所以我想用这个拟合来替换 y 中缺失的值，所以我发现 this，并实现：

         replace_nan = np.polyval(x,y)
         print(replace_nan)

输出是：

[2.13161598e+20            nan            nan            nan
 5.20634185e+19 7.52453405e+20 8.35884417e+09 3.27510000e+04
 5.11358666e+10            nan            nan            nan
            nan            nan]
test_polyreg.py:16: RankWarning: Polyfit may be poorly conditioned
  ab = np.polyfit(x[idx], y[idx], len(list_y[0])) #understand how many degrees
[7.45653990e+07 6.97736286e+16            nan            nan
            nan            nan            nan 9.91821285e+08
            nan            nan            nan            nan
            nan            nan]

我不关心条件较差的警告，因为这只是测试数据，试图了解它应该如何工作，但是输出中仍然有 nan （并且没有使用我之前生成的拟合），有人应该如何用多项式回归估计的点替换 y 值中的 nan？

Answer 1

首先，您应该将 ab 定义修改为：

ab = np.polyfit(x[idx], np.array(y)[idx], idx.sum())

ab 是您的多项式系数，因此您必须将它们传递给 np.polyval 作为：

replace_nan = np.polyval(ab,x)
print(replace_nan)

out：

[   4.           23.           26.54413638   28.01419869   27.00250156
   23.10135965   15.90308758    5.          -10.01558845  -29.55136312
  -54.01500938  -83.81421259 -119.3566581  -161.05003127]