python中curve fit_scipy.optimize.curve_fit函数用法解析
在日常数据分析中,免不了要用到数据曲线拟合,而optimize.curve_fit()函数正好满足你的需求
scipy.optimize.curve_fit(f,xdata,ydata,p0=None,sigma=None,absolute_sigma=False,check_finite=True,bounds=(-inf,inf),method=None,jac=None,**kwargs)
参数解析f 函数名
callable
The model function, f(x, …). It must take the independent variable as the first argument and the parameters to fit as separate remaining arguments.
简单来说就是需要拟合的好函数y,包括自变量x,参数A,B;
而curve_fit的主要功能就是计算A,B
#要拟合的一次函数
def f_1(x, A, B):
return A * x + Bxdata
array_like or objectThe independent variable where the data is measured. Should usually be an M-length sequence or an (k,M)-shaped array for functions with k predictors, but can actually be any object.
ydata
array_likeThe dependent data, a length M array - nominallyf(xdata,...).
p0
array_like , optionalInitial guess for the parameters (length N). If None, then the initial values will all be 1 (if the number of parameters for the function can be determined using introspection, otherwise a ValueError is raised).其它的参数均不再说明!
返回值解析poptarray
Optimal values for the parameters so that the sum of the squared residuals off(xdata,*popt)-ydatais minimized
即残差最小时参数的值
pcov2d array
The estimated covariance of popt. The diagonals provide the variance of the parameter estimate. To compute one standard deviation errors on the parameters use perr = np.sqrt(np.diag(pcov)).
How the sigma parameter affects the estimated covariance depends on absolute_sigma argument, as described above.
If the Jacobian matrix at the solution doesn’t have a full rank, then ‘lm’ method returns a matrix filled with np.inf, on the other hand ‘trf’ and ‘dogbox’ methods use Moore-Penrose pseudoinverse to compute the covariance matrix.
简单例子例子1:拟合直线
# 引用库函数
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy import optimize as op
# 需要拟合的数据组
x_group = np.array([3, 6.1, 9.1, 11.9, 14.9])
y_group = np.array([0.0221, 0.0491, 0.0711, 0.0971, 0.1238])
# 需要拟合的函数
def f_1(x, A, B):
return A * x + B
# 得到返回的A,B值
A, B = op.curve_fit(f_1, x_group, y_group)[0]
# 数据点与原先的进行画图比较
plt.scatter(x_group, y_group, marker='o',label='real')
x = np.arange(0, 15, 0.01)
y = A * x + B
plt.plot(x, y,color='red',label='curve_fit')
plt.legend()
plt.title('%.5fx%.5f=y' % (A, B))
plt.show()例子2:官方例子
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
import numpy as np
# 定义需要拟合的函数
def func(x, a, b, c):
return a * np.exp(-b * x) + c
# Define the data to be fit with some noise:
# 用numpy的random库生成干扰
xdata = np.linspace(0, 4, 50)
y = func(xdata, 2.5, 1.3, 0.5)
np.random.seed(1729)
y_noise = 0.2 * np.random.normal(size=xdata.size)
ydata = y + y_noise
plt.plot(xdata, ydata, 'b-', label='data')
# Fit for the parameters a, b, c of the function func:
popt, pcov = curve_fit(func, xdata, ydata)
print(popt)
plt.plot(xdata, func(xdata, *popt), 'r-',
label='fit: a=%5.3f, b=%5.3f, c=%5.3f' % tuple(popt))
# Constrain the optimization to the region of 0 <= a <= 3, 0 <= b <= 1 and 0 <= c <= 0.5:
# 限定范围进行拟合
popt, pcov = curve_fit(func, xdata, ydata, bounds=(0, [3., 1., 0.5]))
print(popt)
plt.plot(xdata, func(xdata, *popt), 'g--',
label='fit: a=%5.3f, b=%5.3f, c=%5.3f' % tuple(popt))
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.show()
#结果
#[2.55423706 1.35190947 0.47450618]
#[2.43708905 1. 0.35015434]
参考
python中curve fit_scipy.optimize.curve_fit函数用法解析相关推荐
- 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 ...
- python中isinstance怎么用_pythonisinstance函数用法详解
这篇文章主要介绍了python isinstance函数用法详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 isinstance() 函数来判断 ...
- python 中的os.path.split()函数用法
基本概念 os.path.split()通过一对链表的头和尾来划分路径名.链表的tail是是最后的路径名元素.head则是它前面的元素. 举个例子: path name = '/home/User/D ...
- pythoncv2模块详细介绍_【Opencv】【Python】Python中opencv模块cv2一些函数用法及简介...
前言 最近在做卡片上的数字识别.调用caffe模块,直接用的mnist模型,不过这篇文章不讲caffe. 需要先对图片进行一系列预处理,把卡片上的数字分离出来,有点OCR的感觉. 我把这次使用到的所有 ...
- python中os.path.join()的循环用法_Python中.join()和os.path.join()两个函数的用法详解
Python中有.join()和os.path.join()两个函数,具体作用如下: . join(): 连接字符串数组.将字符串.元组.列表中的元素以指定的字符(分隔符)连接生成一个新的字符串 ...
- Python中yield和yield from的用法
yield 后面接的是 future 对象 调用方 委托生成器 yield from 直接给出循环后的结果 yield from 委托者和子生成器直接通信 yield from 直接处理stopIte ...
- python中zip的使用_浅谈Python中的zip()与*zip()函数详解
前言 1.实验环境: Python 3.6: 2.示例代码地址:下载示例: 3.本文中元素是指列表.元组.字典等集合类数据类型中的下一级项目(可能是单个元素或嵌套列表). zip(*iterables ...
- python中关于try,expect的用法
python中关于try,expect的用法 try: code except Error1 as e: #处理Error1异常 print(e) 上式说明,运行code,如果code恰巧出现了Err ...
- python一个函数调用另一个函数中的变量_在Python 中同一个类两个函数间变量的调用方法...
在Python 中同一个类两个函数间变量的调用方法 更新时间:2019年01月31日 15:44:54 作者:wxy_summer 今天小编就为大家分享一篇在Python 中同一个类两个函数间变量的调 ...
最新文章
- pyscripter与python的关系_【转】PyScripter启动出错:Python could not be properly initialized. We must quit....
- 【任务脚本】0616吐槽tb坑爹活动,预测看好jd活动,更新汇总战绩,DIY净水器预告...
- 白话Elasticsearch15-深度探秘搜索技术之使用copy_to定制组合field解决cross-fields搜索弊端
- 宏观经济学自我学习与总结
- c# 如何在webbrowser控件执行一段JS代码
- Windows登录密码轻松破解
- navicat如何创建视图
- nginx autoindex美化
- ae教程 (四)运动控制 (三)
- Python机器学习日记(十三)
- 人工智能与就业系列调研 | 老板电器的新蝶变
- 会网站seo技巧,提升流量不难
- 十分钟教会你们怎么开传奇
- java生成excel表格
- 中文版-神羔羊配得(worthy is the lamb)MV
- 联想win10系统忘记开机密码解决方式
- 计算机cpu的主频参数,电脑CPU的参数怎么看?原来这么简单!
- 工业机器人的自由度是什么?
- php path separator,php DIRECTORY_SEPARATOR常量介绍
- setup time和hold time
热门文章
- 撸了个 DDD 项目,爽!
- JEECG_3.7开发环境搭建与代码生成器入门级教程-张代浩-专题视频课程
- JSF 源代码赏析之FacesServlet
- 美股,港股和A股三者之间的关系和差别
- HDR Tone Mapping
- 力扣算法题—074搜索二维矩阵
- Django Web实现动态三级联动
- java.net.SocketException: Broken pipe问题解决
- 微软官方及第三方SDK http://msdn.microsoft.com/zh-cn/jj923044
- 计算机专业兴趣小组 名字,信息技术兴趣小组