python 曲线拟合（numpy.polyfit、scipy.optimize.curve

小白的学习笔记，欢迎各位大神批评指正。

python 曲线拟合

（一次二次比较简单，直接使用numpy中的函数即可，来自 <https://blog.csdn.net/yefengzhichen/article/details/52767733> ）

1.多项式拟合

（1）简介

z= numpy.polyfit(x, y, deg, rcond=None, full=False, w=None, cov=False)[source]

Deg Degree of the fitting polynomial 1次多项式即为线性，deg次数太高会有震荡

采用最小二乘多项式拟合，返回多项式的系数

p = np.poly1d(z) 可以获得多项式（一元多次函数）或者直接用yvals=np.polyval(z,5)

x = p(5) x带入多项式求得一个值

（2）官方文档

numpy.polyfit

来自 <https://docs.scipy.org/doc/numpy/reference/generated/numpy.polyfit.html>

The Polynomial.fit class method is recommended for new code as it is more stable numerically. See the documentation of the method for more information.

numpy.poly1d

来自 <https://docs.scipy.org/doc/numpy/reference/generated/numpy.poly1d.html>

numpy.polyval

来自 <https://docs.scipy.org/doc/numpy/reference/generated/numpy.polyval.html>

（3）例子 来自 <https://www.cnblogs.com/jingsupo/p/python_curve_fit.html>

import matplotlib.pyplot as plt

import numpy as np

x = np.arange(1,17,1)

y = np.array([4.00,6.40,8.00,8.80,9.22,9.50,9.70,9.86,10.00,10.20,10.32,10.42,10.50,10.55,10.58,10.60])

z1 = np.polyfit(x,y,3) #用3次多项式拟合可以改为5 次多项式。。。。返回三次多项式系数

p1= np.poly1d(z1)

print(p1) #在屏幕上打印拟合多项式

yvals = p1(x)#也可以使用yvals=np.polyval(z1,x)

plot1 = plt.plot(x,y,'*',label='original values')

plot2 = plt.plot(x,yvals,'r',label='polyfit values')

plt.xlabel('xaxis')

plt.ylabel('yaxis')

plt.legend(loc=4) #指定legend的位置,读者可以自己help它的用法

plt.title('polyfitting')

plt.show()

plt.savefig('p1.png')

2.scipy.optimize.curve_fit

（1）简介

Fitting data with SciPy 来自 <http://scipyscriptrepo.com/wp/?p=76>

The scipy.optimize module contains a least squares curve fit routine that requires as input a user-defined fitting function (in our case fitFunc ), the x-axis data (in our case, t) and the y-axis data (in our case, noisy). The curve_fit routine returns an array of fit parameters, and a matrix of covariance data 协方差(the square root of the diagonal values 对角线值are the 1-sigma uncertainties on the fit parameters—provided you have a reasonable fit in the first place.):

当然，curve_fit()函数不仅可以用于直线、二次曲线、三次曲线的拟合和绘制，仿照代码中的形式，可以适用于任意形式的曲线的拟合和绘制，只要定义好合适的曲线方程即可。来自 <https://blog.csdn.net/guduruyu/article/details/70313176>

调用curve_fit()函数，核心步骤：

1) 定义需要拟合的函数类型，如：

def func(x, a, b):

return a*np.exp(b/x)

2) 调用 popt, pcov = curve_fit(func, x, y) 函数进行拟合，并将拟合系数存储在popt中，a=popt[0]、b=popt[1]进行调用；

3) 调用func(x, a, b)函数，其中x表示横轴表，a、b表示对应的参数。

来自 <http://www.mamicode.com/info-detail-1793339.html>

（2）官方文档

scipy.optimize.curve_fit 来自 <https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.curve_fit.html>

（3）例子 来自 <https://www.cnblogs.com/jingsupo/p/python_curve_fit.html>

import matplotlib.pyplot as plt

from scipy.optimize import curve_fit

import numpy as np

#用指数形式来拟合

x=np.arange(1,17,1)

y=np.array([4.00,6.40,8.00,8.80,9.22,9.50,9.70,9.86,10.00,10.20,10.32,10.42,10.50,10.55,10.58,10.60])

def func(x,a,b):

return a*np.exp(b/x)

popt,pcov=curve_fit(func,x,y)

a=popt[0] #popt里面是拟合系数，读者可以自己help其用法

b=popt[1]

yvals=func(x,a,b)

plot1=plt.plot(x,y,'*',label='original values')

plot2=plt.plot(x,yvals,'r',label='curve_fit values')

plt.xlabel('xaxis')

plt.ylabel('yaxis')

plt.legend(loc=4) #指定legend的位置,读者可以自己help它的用法

plt.title('curve_fit')

plt.show()

plt.savefig('p2.png')

1.幂函数和指数函数的例子

python指数、幂数拟合curve_fit 来自 <https://blog.csdn.net/yefengzhichen/article/details/52767733>

2.高斯拟合的例子

python scipy.optimize curve_fit 多高斯拟合来自 <https://blog.csdn.net/vola9527/article/details/40432609>

def f_gauss(x, A, B, C, sigma):

return A*np.exp(-(x-B)**2/(2*sigma**2)) + C

来自 <https://blog.csdn.net/guduruyu/article/details/70313176>

其他：

可以借助Pandas导入数据，再进行处理

来自 <http://www.mamicode.com/info-detail-1793339.html>

矩阵运算：

Python 二维曲线拟合

来自 <http://www.aspku.com/tech/jiaoben/python/338265.html>

python_numpy最小二乘法的直线、曲线拟合

来自 <https://www.jianshu.com/p/354b1f2a5fd0>

3.使用神经网络拟合曲线（MATLAB/Python）

来自 <https://blog.csdn.net/hongbin_xu/article/details/79674611>

python 曲线拟合（numpy.polyfit、scipy.optimize.curve_fit）相关推荐

scipy.optimize.curve_fit函数用法解析
scipy.optimize.curve_fit函数用法解析转:https://zhuanlan.zhihu.com/p/144353126 optimize.curve_fit()函数,用于日常数 ...
scipy中的scipy.optimize.curve_fit
scipy中的scipy.optimize.curve_fit 这里写目录标题 scipy中的scipy.optimize.curve_fit 参数 Return scipy.optimize.``c ...
为python安装numpy和scipy(federo)
为了进行数值计算,例如积分等等,需要安装numpy和scipy,其中scipy是依赖于numpy的,所以先要装numpy. 1, 通过下载http://pypi.python.org/pypi/num ...
python安装numpy-如何为python安装numpy和scipy？
我厌倦了尝试为phyton 2.7.5安装numpy和scipy,我需要这个版本的python,因为我的最终目标是安装类(http://class-code.net/)和montepython(htt ...
windows64位环境下python安装numpy、scipy和matplotlib
最近想使用python做一些机器学习方向的算法实现,使用python做数据分析和矩阵运算什么的常需要三个库文件:numpy.scipy和matplotlib,于是着手安装. 我自己机子的配置是win8 ...
简述 Python 的 Numpy、SciPy、Pandas、Matplotlib 的区别
From:https://www.jianshu.com/p/32cb09d84487 Numpy:基础的数学计算模块,以矩阵为主,纯数学. SciPy:基于Numpy,提供方法(函数库)直接计算结果 ...
python numpy安装windows_windows下安装python的numpy，scipy，sklearn
前提环境(根据自己所安装的为准): python3.7 windows10 首先,要先下载好这三种包下载地址为 https://www.lfd.uci.edu/~gohlke/pythonlibs/ ...
windows下python安装Numpy和Scipy模块
2019独角兽企业重金招聘Python工程师标准>>> Numpy是什么? 很简单,Numpy是Python的一个科学计算的库,提供了矩阵运算的功能,其一般与Scipy.matplo ...
windows下python安装Numpy、Scipy、matplotlib模块
python 2.7 针对2.7的软件. numpy :http://sourceforge.net/projects/numpy/files/NumPy/1.8.1/ 下载下面的numpy-1. ...

python 曲线拟合（numpy.polyfit、scipy.optimize.curve_fit）

python 曲线拟合（numpy.polyfit、scipy.optimize.curve_fit）相关推荐

最新文章

热门文章