python数据处理一：使用curve_fit实现曲线拟合

在下面的例子中，我们使用了多种曲线对所给数据进行了简单拟合，主要学习使用curve_fit实现曲线拟合的方式，至于具体使用什么函数去拟合要根据实际所给的数据进行选择！！！

能拟合的函数不止下面这些，可以看出，只要你写出想要使用的函数的表达式，就可以得到函数的参数！！！

from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
import numpy as np

#线性
def func_linear(x, a, b):
    return a * x+ b
#二次
def func_poly_2(x, a, b, c):
    return a*x*x + b*x + c
#三次
def func_poly_3(x, a, b, c , d):
    return a*x*x*x + b*x*x + c*x + d
#幂函数
def func_power(x, a, b):
    return x**a + b
#指数函数
def func_exp(x, a, b):
    return a**x + b

# 待拟合点
xdata = [1, 2, 3, 4, 5]
ydata = [1, 3, 8, 18, 36]

x = list(np.arange(0, 6, 0.01))

# 绘制散点
plt.scatter(xdata[:], ydata[:], 25, "red")

# popt数组中，存放的就是待求的参数a,b,c,......
popt, pcov = curve_fit(func_linear, xdata, ydata)
y1 = [func_linear(i, popt[0], popt[1]) for i in x]
plt.plot(x, y1, 'r')


popt, pcov = curve_fit(func_poly_2, xdata, ydata)
y2 = [func_poly_2(i, popt[0], popt[1], popt[2] ) for i in x]
plt.plot(x, y2, 'g')

popt, pcov = curve_fit(func_poly_3, xdata, ydata)
y3 = [func_poly_3(i, popt[0], popt[1], popt[2] ,popt[3]) for i in x]
plt.plot(x, y3, 'b')

popt, pcov = curve_fit(func_power, xdata, ydata)
y4 = [func_power(i, popt[0], popt[1]) for i in x]
plt.plot(x, y4, 'y')

popt, pcov = curve_fit(func_exp, xdata, ydata)
y5 = [func_exp(i, popt[0], popt[1]) for i in x]
plt.plot(x, y5, 'c')

plt.show()