python自定义函数求面积_python 自定义函数表达式 拟合求系数

这段代码展示了如何使用Python的`scipy.optimize.curve_fit`函数对数据进行指数函数的拟合,并通过设置边界约束来优化参数。首先定义了一个指数函数,然后创建了带噪声的数据。接着,无约束和有约束的拟合过程被展示,最后将拟合结果与原始数据一起绘制出来。
摘要由CSDN通过智能技术生成

import numpy as np

import matplotlib.pyplot as plt

from scipy.optimize import curve_fit

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

return a * np.exp(-b * x) + c

#Define the data to be fit with some noise:

xdata = np.linspace(0, 4, 50)

y = func(xdata, 2.5, 1.3, 0.5)

np.random.seed(1729)

y_noise = 0.2 * np.random.normal(size=xdata.size)

ydata = y + y_noise

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

#Fit for the parameters a, b, c of the function func:

popt, pcov = curve_fit(func, xdata, ydata)

print popt

plt.plot(xdata, func(xdata, *popt), 'r-',

label='fit: a=%5.3f, b=%5.3f, c=%5.3f' % tuple(popt))

#Constrain the optimization to the region of 0 <= a <= 3, 0 <= b <= 1 and 0 <= c <= 0.5:

popt, pcov = curve_fit(func, xdata, ydata, bounds=(0, [3., 1., 0.5]))

print popt

plt.plot(xdata, func(xdata, *popt), 'g--',

label='fit: a=%5.3f, b=%5.3f, c=%5.3f' % tuple(popt))

plt.xlabel('x')

plt.ylabel('y')

plt.legend()

plt.show()

941510-20181106151722800-1296103192.png

内容来源于网络如有侵权请私信删除

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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