python曲线拟合为什么会失败_SciPy曲线拟合失败Power L

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