因为curvefit给你一个常量(一条直线),因为你给它传递的是一个使用你定义的模型不相关的数据集!在
让我先重新创建您的设置:argon = np.genfromtxt('argon.dat')
copper = np.genfromtxt('copper.dat')
f1 = 1 - np.exp(-argon[:,1] * 1.784e-3 * 6.35)
f2 = np.exp(-copper[:,1] * 8.128e-2 * 8.96)
现在请注意,f1基于文件argon.dat中数据的第2列。它与第一列无关,尽管没有什么可以阻止您绘制第二列与第一列的修改版本,这就是您在绘制时所做的:
^{pr2}$
备注:在您的模型中,有一个名为b的参数未使用。这总是一个坏主意传递给一个合适的算法。把它扔掉。在
现在有个诀窍:您使用指数模型在第2列的基础上生成了f1。所以您应该传递curve_fit第二列作为自变量(在function's doc-string中被标记为xdata),然后{}作为因变量。像这样:popt1, pcov = curve_fit(model, argon[:,1], f1)
popt2, pcov = curve_fit(model, cupper[:,1], f2)
这将非常有效。在
现在,当你想要绘制两个图的乘积的平滑版本时,你应该从自变量中的一个公共区间开始。对你来说,这就是光子能量。两个数据文件中的第二列取决于:有一个函数(一个用于氩,另一个用于铜),它将μ/ρ与光子能量联系起来。因此,如果你有很多能量的数据点