python散点图拟合曲线-python 拟合曲线并求参

需要对数据进行函数拟合，首先画一下二维散点图，目测一下大概的分布，

所谓正态分布，就是高斯分布，正态曲线是一种特殊的高斯曲线。

python的scipy.optimize包里的curve_fit函数来拟合曲线，当然还可以拟合很多类型的曲线。scipy.optimize提供了函数最小值(标量或多维)、曲线拟合和寻找等式的根的有用算法。

import numpy as np

import matplotlib.pyplot as plt

from scipy.optimize import curve_fit

import math

#单个高斯模型，如果曲线有多个波峰，可以分段拟合

def func(x, a,u, sig):

return a*np.exp(-(x - u) ** 2 / (2 * sig ** 2)) / (sig * math.sqrt(2 * math.pi))

#混合高斯模型，多个高斯函数相加

def func3(x, a1, a2, a3, m1, m2, m3, s1, s2, s3):

return a1 * np.exp(-((x - m1) / s1) ** 2) + a2 * np.exp(-((x - m2) / s2) ** 2) + a3 * np.exp(-((x - m3) / s3) ** 2)

#正弦函数拟合

#def fmax(x,a,b,c):

# return a*np.sin(x*np.pi/6+b)+c

#fita,fitb=optimize.curve_fit(fmax,x,ymax,[1,1,1])

#非线性最小二乘法拟合

#def func(x, a, b,c):

# return a*np.sqrt(x)*(b*np.square(x