文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

如何利用python做数据拟合

2023-06-25 16:06

关注

这篇文章将为大家详细讲解有关如何利用python做数据拟合,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。

1、例子:拟合一种函数Func,此处为一个指数函数。

出处:

SciPy v1.1.0 Reference Guide

#Headerimport numpy as npimport matplotlib.pyplot as pltfrom scipy.optimize import curve_fit#Define a function(here a exponential function is used)def func(x, a, b, c): return a * np.exp(-b * x) + c#Create the data to be fit with some noisexdata = 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_noiseplt.plot(xdata, ydata, 'bo', label='data')#Fit for the parameters a, b, c of the function func:popt, pcov = curve_fit(func, xdata, ydata)popt #output: array([ 2.55423706, 1.35190947, 0.47450618])plt.plot(xdata, func(xdata, *popt), 'r-', label='fit: a=%5.3f, b=%5.3f, c=%5.3f' % tuple(popt))#In the case of parameters a,b,c need be constrainted#Constrain the optimization to the region of #0 <= a <= 3, 0 <= b <= 1 and 0 <= c <= 0.5popt, pcov = curve_fit(func, xdata, ydata, bounds=(0, [3., 1., 0.5]))popt #output: array([ 2.43708906, 1. , 0.35015434])plt.plot(xdata, func(xdata, *popt), 'g--', label='fit: a=%5.3f, b=%5.3f, c=%5.3f' % tuple(popt))#Labelsplt.title("Exponential Function Fitting")plt.xlabel('x coordinate')plt.ylabel('y coordinate')plt.legend()leg = plt.legend()  # remove the frame of Legend, personal choiceleg.get_frame().set_linewidth(0.0) # remove the frame of Legend, personal choice#leg.get_frame().set_edgecolor('b') # change the color of Legend frame#plt.show()#Export figure#plt.savefig('fit1.eps', format='eps', dpi=1000)plt.savefig('fit1.pdf', format='pdf', dpi=1000, figsize=(8, 6), facecolor='w', edgecolor='k')plt.savefig('fit1.jpg', format='jpg', dpi=1000, figsize=(8, 6), facecolor='w', edgecolor='k')

上面一段代码可以直接在spyder中运行。得到的JPG导出图如下:

如何利用python做数据拟合

2. 例子:拟合一个Gaussian函数

出处:LMFIT: Non-Linear Least-Squares Minimization and Curve-Fitting for Python

#Headerimport numpy as npimport matplotlib.pyplot as pltfrom numpy import exp, linspace, randomfrom scipy.optimize import curve_fit#Define the Gaussian functiondef gaussian(x, amp, cen, wid): return amp * exp(-(x-cen)**2 / wid)#Create the data to be fittedx = linspace(-10, 10, 101)y = gaussian(x, 2.33, 0.21, 1.51) + random.normal(0, 0.2, len(x))np.savetxt ('data.dat',[x,y])  #[x,y] is is saved as a matrix of 2 lines#Set the initial(init) values of parameters need to optimize(best)init_vals = [1, 0, 1] # for [amp, cen, wid]#Define the optimized values of parametersbest_vals, covar = curve_fit(gaussian, x, y, p0=init_vals)print(best_vals) # output: array [2.27317256  0.20682276  1.64512305]#Plot the curve with initial parameters and optimized parametersy1 = gaussian(x, *best_vals) #best_vals, '*'is used to read-out the values in the arrayy2 = gaussian(x, *init_vals) #init_valsplt.plot(x, y, 'bo',label='raw data')plt.plot(x, y1, 'r-',label='best_vals')plt.plot(x, y2, 'k--',label='init_vals')#plt.show()#Labelsplt.title("Gaussian Function Fitting")plt.xlabel('x coordinate')plt.ylabel('y coordinate')plt.legend()leg = plt.legend()  # remove the frame of Legend, personal choiceleg.get_frame().set_linewidth(0.0) # remove the frame of Legend, personal choice#leg.get_frame().set_edgecolor('b') # change the color of Legend frame#plt.show()#Export figure#plt.savefig('fit2.eps', format='eps', dpi=1000)plt.savefig('fit2.pdf', format='pdf', dpi=1000, figsize=(8, 6), facecolor='w', edgecolor='k')plt.savefig('fit2.jpg', format='jpg', dpi=1000, figsize=(8, 6), facecolor='w', edgecolor='k')

上面一段代码可以直接在spyder中运行。得到的JPG导出图如下:

如何利用python做数据拟合

3. 用一个lmfit的包来实现2中的Gaussian函数拟合

需要下载lmfit这个包,下载地址:

https://pypi.org/project/lmfit/#files

下载下来的文件是.tar.gz格式,在MacOS及Linux命令行中解压,指令:

将其中的lmfit文件夹复制到当前project目录下。

上述例子2中生成了data.dat,用来作为接下来的方法中的原始数据。

 出处:

Modeling Data and Curve Fitting

#Headerimport numpy as npimport matplotlib.pyplot as pltfrom numpy import exp, loadtxt, pi, sqrtfrom lmfit import Model#Import the data and define x, y and the functiondata = loadtxt('data.dat')x = data[0, :]y = data[1, :]def gaussian1(x, amp, cen, wid): return (amp / (sqrt(2*pi) * wid)) * exp(-(x-cen)**2 / (2*wid**2))#Fittinggmodel = Model(gaussian1)result = gmodel.fit(y, x=x, amp=5, cen=5, wid=1) #Fit from initial values (5,5,1)print(result.fit_report())#Plotplt.plot(x, y, 'bo',label='raw data')plt.plot(x, result.init_fit, 'k--',label='init_fit')plt.plot(x, result.best_fit, 'r-',label='best_fit')#plt.show()#Labelsplt.title("Gaussian Function Fitting")plt.xlabel('x coordinate')plt.ylabel('y coordinate')plt.legend()leg = plt.legend()  # remove the frame of Legend, personal choiceleg.get_frame().set_linewidth(0.0) # remove the frame of Legend, personal choice#leg.get_frame().set_edgecolor('b') # change the color of Legend frame#plt.show()#Export figure#plt.savefig('fit3.eps', format='eps', dpi=1000)plt.savefig('fit3.pdf', format='pdf', dpi=1000, figsize=(8, 6), facecolor='w', edgecolor='k')plt.savefig('fit3.jpg', format='jpg', dpi=1000, figsize=(8, 6), facecolor='w', edgecolor='k')

上面这一段代码需要按指示下载lmfit包,并且读取例子2中生成的data.dat

关于“如何利用python做数据拟合”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,使各位可以学到更多知识,如果觉得文章不错,请把它分享出去让更多的人看到。

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯