python曲线拟合为什么会失败_python曲线拟合似乎无法拟合高斯和

这里的问题是曲线拟合期望你优化的函数取一个输入向量，然后返回一个输出向量。一个输入的高斯函数数字阵列)但不管怎样，它都返回一个标量输出。曲线拟合函数则无法找到良好的最佳拟合。在

为了澄清到底发生了什么，在使用numpy(或任何外部库)时总是建议始终显式地使用命名空间，如以下工作版本所示：import numpy

import matplotlib.pyplot as plt

from scipy.optimize import curve_fit

def GaussSum(x,*p):

n=len(p)/3

A=p[:n]

w=p[n:2*n]

c=p[2*n:3*n]

y = sum([ A[i]*numpy.exp(-(x-c[i])**2./(2.*(w[i])**2.))/(2*numpy.pi*w[i]**2)**0.5 for i in range(n)])

return y

params = [1.,1.,-3.]; #parameters for a single gaussian

#params=[1.,1.,1.,2.,-3.,0.]; #parameters for the sum of two gaussians

xdata=numpy.arange(-6,6,0.01)

ydata = numpy.array([GaussSum(x,*params) for x in xdata])

popt,pcov = curve_fit(GaussSum,xdata,ydata,p0=params)

特别是你暗地里打电话来数字总和，这将聚合数字阵列并返回单个值，而您需要使用内置的python sum，它聚合了数字阵列对一个数字阵列. 在