对python指数、幂函数拟合curve_fit详解

可以用scipy.optimize的curve_fit方法实现对指数、幂函数曲线拟合
官方文档的说法:使用非线性最小二乘法将函数 f f f拟合到数据

例:用给定数据求 y = a e b x 中 y = ae^{bx}中 y=aebx的参数 a a a b b b

import numpy
from scipy.optimize import curve_fit
import numpy as np
import matplotlib.pyplot as plt
def func(x, a, b):
     return a * np.exp(b * x)         
#以上是需要拟合的目标函数,可以修改返回的参数个数
xi=np.linspace(1,8,8)
yi=np.array([15.3,20.5,27.4,36.6,49.1,65.6,87.87,117.6])
#以上是待拟合的(xi,yi)
popt, pcov = curve_fit(func, xi, yi)
print(popt[0],popt[1])         #依次打印的是a,b,(c,d)(如果有的话)
x=np.linspace(1,9,900)         #1到9是因为待拟合的数据给到了1到8
y_fit = [func(i, popt[0],popt[1]) for i in x]  
#以上是离散化的拟合曲线
#以下是画图
fig, ax = plt.subplots(figsize=(12, 4))
ax.plot(xi, yi, 'go', alpha=0.5, label='Simulated data')
ax.plot(x, y_fit, 'b', lw=2, label='Least square fit')
ax.set_xlabel(r"$x$", fontsize=18)
ax.set_ylabel(r"$y$", fontsize=18)
ax.legend(loc=2)
plt.show()

源数据:数学建模算法与应用(第二版),103,司守奎,孙兆亮,2020.2第9次重印版

官方文档scipy.optimize.curve_fit

  • 1
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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