python散点图拟合曲线-python 绘制拟合曲线并加指定点标识的实现

这篇博客介绍了如何使用Python进行散点图的绘制,并结合scipy库的curve_fit函数实现数据拟合,创建了一条曲线。此外,还展示了如何在图中标识特定点并添加坐标轴标签,以及计算R²分数来评估拟合质量。
摘要由CSDN通过智能技术生成

python 绘制拟合曲线并加指定点标识

201971091715403.png?201961091729

import os

import numpy as np

from scipy import log

from scipy.optimize import curve_fit

import matplotlib.pyplot as plt

import math

from sklearn.metrics import r2_score

# 字体

plt.rcParams['font.sans-serif']=['SimHei']

# 拟合函数

def func(x, a, b):

# y = a * log(x) + b

y = x/(a*x+b)

return y

# 拟合的坐标点

x0 = [2, 4, 8, 10, 24, 28, 32, 48]

y0 = [6.66,8.35,10.81,11.55,13.63,13.68,13.69,13.67]

# 拟合,可选择不同的method

result = curve_fit(func, x0, y0,method='trf')

a, b = result[0]

# 绘制拟合曲线用

x1 = np.arange(2, 48, 0.1)

#y1 = a * log(x1) + b

y1 = x1/(a*x1+b)

x0 =

  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要在Python中使用散点图进行曲线拟合,可以使用SciPy库中的curve_fit函数。首先,我们需要导入所需的库和数据: ```python import numpy as np import matplotlib.pyplot as plt from scipy.optimize import curve_fit # 定义我们要拟合的函数 def func(x, a, b, c): return a * np.sin(b * x) + c # 假设我们有一些数据 x_data = np.linspace(0, 2 * np.pi, 50) y_data = 2.5 * np.sin(1.5 * x_data) + 1.5 + np.random.normal(size=50) ``` 在这里,我们定义了一个名为func的函数,它将被用作我们要拟合的函数。我们还创建了一些假数据,其中x_data是介于0到2π之间的50个等间距数据,y_data是根据这些x值计算出来的一些带有噪声的y值。 接下来,我们使用curve_fit函数进行拟合: ```python # 使用curve_fit进行拟合 popt, pcov = curve_fit(func, x_data, y_data) # 输出拟合的参数 print(popt) # 绘制原始数据和拟合的曲线 plt.scatter(x_data, y_data) plt.plot(x_data, func(x_data, *popt), 'r') plt.show() ``` 这里的curve_fit函数将我们的数据和func函数作为输入,并返回一个包含拟合参数的数组popt和一个协方差矩阵pcov。我们可以使用popt来绘制拟合的曲线。 最后,我们可以使用Matplotlib库来绘制散点图和拟合的曲线。在这里,我们首先使用plt.scatter函数绘制原始数据的散点图,然后使用plt.plot函数绘制拟合曲线。 运行完整的代码,你将会得到一个包含原始数据和拟合曲线散点图
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值