python fsolve_Python-optimize.leastsq()和optimize.fsolve()

利用leastsq()函数对数据进行最小二乘算法拟合。

先来看个简单的线性的例子：

#假设要拟合的数据点(xdata,ydata)如下

import numpy as np

from scipy import optimize

import matplotlib.pyplot as plt

xdata=np.array([8.19,2.72,6.39,8.71,4.7,2.66,3.78])

ydata=np.array([7.01,2.78,6.47,6.71,4.1,4.23,4.05])

#先作图看下大概的(xdata,ydata)的形状

plt.plot(xdata, ydata, 'b.', label='data')

#plt.show()

#可得形状如下

#通过散点(xdata,ydata)的形状，可使用线性函数y=k*x+b来拟合数据点。首先定义残差函数y-f(x)

def residual(p):

k,b=p

return ydata-(k*xdata+b)

result=optimize.leastsq(residual,[0,0])

#leastsq函数的调用形式：scipy.optimize.leastsq(func, x0, args=(), Dfun=None, full_output=0, col_deriv=0, ftol=1.49012e-08, xtol=1.49012e-08, gtol=0.0, maxfev=0, e