python二次函数_python数据分析之曲线拟合：二次函数拟合

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

本文地址：https://blog.csdn.net/kaever/article/details/109647871

如您对本文有疑问或者有任何想说的，请点击进行留言回复，万千网友为您解惑！