蟒蛇numpy/scipy曲線擬合

Question

我有一些要點，我想要適合這一點的曲線。我知道存在scipy.optimize.curve_fit函數，但我不理解文檔，即如何使用此函數。

我的分數：np.array([(1, 1), (2, 4), (3, 1), (9, 3)])

任何人能解釋如何做到這一點？

Answer 1

我建議你用簡單的多項式擬合開始，scipy.optimize.curve_fit嘗試，以適應功能f，你必須知道一組點。

這是使用numpy.polyfit和poly1d一個簡單的3階多項式擬合，第一執行最小二乘多項式擬合和第二計算新的點：

import numpy as np 
import matplotlib.pyplot as plt 

points = np.array([(1, 1), (2, 4), (3, 1), (9, 3)]) 
# get x and y vectors 
x = points[:,0] 
y = points[:,1] 

# calculate polynomial 
z = np.polyfit(x, y, 3) 
f = np.poly1d(z) 

# calculate new x's and y's 
x_new = np.linspace(x[0], x[-1], 50) 
y_new = f(x_new) 

plt.plot(x,y,'o', x_new, y_new) 
plt.xlim([x[0]-1, x[-1] + 1 ]) 
plt.show() 

​​

Answer 2

您首先需要將您的numpy數組分成兩個單獨的包含x和y值的數組。

x = [1, 2, 3, 9] 
y = [1, 4, 1, 3] 

curve_fit還需要一個函數來提供您想要的擬合類型。例如，線性擬合將使用像

def func(x, a, b): 
    return a*x + b 

scipy.optimize.curve_fit(func, x, y)一個函數將返回含有兩個陣列一個numpy的陣列：首先將包含a和b值最適合你的數據，並且所述第二將所述協方差的最佳擬合參數。

下面是與您提供的數據進行線性擬合的示例。

import numpy as np 
from scipy.optimize import curve_fit 

x = np.array([1, 2, 3, 9]) 
y = np.array([1, 4, 1, 3]) 

def fit_func(x, a, b): 
    return a*x + b 

params = curve_fit(fit_func, x, y) 

[a, b] = params[0] 

此代碼將返回a = 0.135483870968和b = 1.74193548387

這裏是你的點和線性擬合......這顯然是一個壞的一個情節，但你可以改變擬合函數獲得的任何類型適合你喜歡。

Answer 3

Python的曲線擬合庫pyeq2，BSD許可證，可在Google Code Repository處獲得：

https://github.com/zunzun/pyeq2

它配備了很多例子，包括並行編程和用戶定義的函數，你可以在網上免費試用：

http://zunzun.com

我是作者，所以如果你有任何問題，給我發電子郵件直接使用電子郵件地址zunzun@zunzun.com - 我會盡我所能幫助您，並幫助您掌握並運行示例。