引入
在实际项目中,往往有这样的需求:对采集到的数据进行数据处理(曲线拟合),再计算出一些想要的参数,比如峰值/dip值/周期等等。
核心即曲线拟合。不同的曲线形式,就灵活选择不同的拟合函数。
其中一种常见的形式为:二次函数拟合。
方法
- 获取实验数据x, y
- 利用
np.polyfit(x, y, 2)
进行二次拟合 - 得到拟合出的系数,进行后续的数据处理
实例
已知一组二次曲线型数据,要求拟合出该曲线,并且返回最大点/对称点的坐标。
import numpy as np
import matplotlib.pyplot as plt
# 模拟生成一组实验数据
x = np.arange(0,10,0.2)
y = -(x-3.5)**2+4.7
noise = np.random.uniform(-3,3,len(x))
y += noise
fig, ax = plt.subplots()
ax.plot(x, y, 'b--')
ax.set_xlabel('x')
ax.set_ylabel('y')
# 二次拟合
coef = np.polyfit(x, y, 2)
y_fit = np.polyval(coef, x)
ax.plot(x, y_fit, 'g')
# 找出其中的峰值/对称点
if coef[0] != 0:
x0 = -0.5 * coef[1] / coef[0]
x0 = round(x0, 2)
ax.plot([x0]*5, np.linspace(min(y),max(y),5),'r--')
print(x0)
else:
raise ValueError('Fail to fit.')
plt.show()
结果