python指数、幂数拟合curve_fit
python指数、幂数拟合curve_fit
1、一次二次多项式拟合
一次二次比较简单，直接使用numpy中的函数即可，polyfit(x, y, degree)。
2、指数幂数拟合curve_fit
使用scipy.optimize 中的curve_fit，幂数拟合例子如下：
-
from scipy.optimize
import curve_fit
-
import matplotlib.pyplot
as plt
-
import numpy
as np
-
-
def func(x, a, b, c):
-
return a * np.exp(-b * x) + c
-
-
xdata = np.linspace(
0,
4,
50)
-
y = func(xdata,
2.5,
1.3,
0.5)
-
ydata = y +
0.2 * np.random.normal(size=len(xdata))
-
plt.plot(xdata,ydata,
'b-')
-
popt, pcov = curve_fit(func, xdata, ydata)
-
#popt数组中，三个值分别是待求参数a,b,c
-
y2 = [func(i, popt[
0],popt[
1],popt[
2])
for i
in xdata]
-
plt.plot(xdata,y2,
'r--')
-
print popt
下面是原始数据和拟合曲线：
-
def fund(x, a, b):
-
return x**a + b
-
-
xdata = np.linspace(
0,
4,
50)
-
y = fund(xdata,
2.5,
1.3)
-
ydata = y +
4 * np.random.normal(size=len(xdata))
-
plt.plot(xdata,ydata,
'b-')
-
popt, pcov = curve_fit(fund, xdata, ydata)
-
#popt数组中，三个值分别是待求参数a,b,c
-
y2 = [fund(i, popt[
0],popt[
1])
for i
in xdata]
-
plt.plot(xdata,y2,
'r--')
-
print popt
下图是原始数据和拟合曲线：
转载：https://blog.csdn.net/yefengzhichen/article/details/52767733