更新
在最初的文章中,我展示了一个使用lmfit的解决方案,它允许为参数分配边界。从版本0.17开始,scipy还允许直接为参数指定边界(请参见documentation)。请在下面的编辑之后找到这个解决方案,希望它能作为一个关于如何使用scipy的curve_fit和参数边界的最小示例。在
原帖
正如@Warren Weckesser建议的那样,您可以使用lmfit来完成这个任务,这允许您为参数指定边界,并避免这个“难看的”if子句。在
由于您没有提供任何数据,因此我创建了一些数据,如下所示:
它们遵循法则f(x) = 10.5 * x ** (-0.08)
正如@roadrunner66建议的那样,我通过将幂律转换为线性函数来拟合它们:y = N * x ** a
ln(y) = ln(N * x ** a)
ln(y) = a * ln(x) + ln(N)
所以我首先在原始数据上使用np.log,然后进行拟合。当我现在使用lmfit时,我得到以下输出:
^{pr2}$
所以a非常接近原始值,np.exp(2.35450302)给出了10.53,也非常接近原始值。在
曲线图如下所示;如您所见,拟合很好地描述了数据:
以下是包含两个内联注释的完整代码:import numpy as np
import matplotlib