在python vs gnuplot中將數據擬合到一個公式中

我想在python中將一些數據擬合到一個公式中，並且我遇到了一些困難。我有方程：在python vs gnuplot中將數據擬合到一個公式中

y(t)=yo+a(t-ti)^b+kt

其中a，ti，b和k是擬合參數，和t和disp是陣列varaibles分別代表時間和位移。該公式將適合在一些迭代gnuplot的罰款，但在python裝修它拋出了一個錯誤： -

ValueError: array must not contain infs or NaNs

完整的堆棧跟蹤是：

creep_test.py:246: RuntimeWarning: invalid value encountered in power 
    fitfunc = lambda p, t: disp_list[0]+(p[0]*(t-p[1])**p[2])+p[3]*t # Target function 
Traceback (most recent call last): 
    File "creep_test.py", line 374, in <module> 
    main() 
    File "creep_test.py", line 368, in main 
    python_fit(filename) 
    File "creep_test.py", line 256, in python_fit 
    out = optimize.leastsq(errfunc, p0[:], args=(t, disp,err), full_output=1) 
    File "/usr/lib/python2.7/dist-packages/scipy/optimize/minpack.py", line 338, in leastsq 
    cov_x = inv(dot(transpose(R),R)) 
    File "/usr/lib/python2.7/dist-packages/scipy/linalg/basic.py", line 285, in inv 
    a1 = asarray_chkfinite(a) 
    File "/usr/lib/python2.7/dist-packages/numpy/lib/function_base.py", line 590, in asarray_chkfinite 
    "array must not contain infs or NaNs") 
ValueError: array must not contain infs or NaNs

我與周圍玩發現它的術語ti導致的問題在於，如果您的ti固定在35.5附近，配件將工作。我用一個電子表格，併爲下ti的t任何值，則公式拋出了一個#VALUE（可能是因爲它的假想）

基本上是有沒有辦法讓Python適合像gnuplot的曲線（我假設忽略無效的結果）？我用我的程序的fittiong部分代碼如下：

fitfunc = lambda p, t: disp_list[0]+(p[0]*(t-p[1])**p[2])+p[3]*t # Target function 
    errfunc = lambda p, t, y, err: (fitfunc(p, t) - y)/(err) # Distance to the target function 
    err=0.01 
    p0 = [ 50, 35.5,0.005, 0.001] # Initial guess for the parameters 
    out = optimize.leastsq(errfunc, p0[:], args=(t, disp,err), full_output=1) 
    print out[0] 
    print out[1]

謝謝！

來源

2013-01-14 Phil

你能告訴我們你的't'和'disp'看起來像什麼嗎？ – ford

對不起disp_list [0]是yo值（從我的數據讀取的列表中的第一個值（代表位移）），t是以秒爲單位的時間（獨立可用） – Phil

oh和t是一個數組變量形式（同樣也是一個列表時間值） – Phil

寶貴的經驗教訓。我正在使用的起始參數試圖打破我在此之前擬合的更簡單的方程式，現在打破了更復雜的方程式。如果配件聲稱解決方案沒有意義，請始終檢查您的啓動參數。學習python的方式很難，所以你不必......

來源

2013-01-14 17:41:05 Phil

在python vs gnuplot中將數據擬合到一個公式中

回答

相關問題