曲线与已知功能numpy的

嵌合我有x和y的一维阵列numpy的和我想再现y随已知函数，以获得“试用”。以下是我正在使用的代码：曲线与已知功能numpy的

import numpy as np 
import matplotlib.pyplot as plt 
from scipy.optimize import curve_fit 

y = array([ 0.04022493, 0.04287536, 0.03983657, 0.0393201 , 0.03810298, 
    0.0363814 , 0.0331144 , 0.03074823, 0.02795767, 0.02413816, 
    0.02180802, 0.01861309, 0.01632699, 0.01368056, 0.01124232, 
    0.01005323, 0.00867196, 0.00940864, 0.00961282, 0.00892419, 
    0.01048963, 0.01199101, 0.01533408, 0.01855704, 0.02163586, 
    0.02630014, 0.02971127, 0.03511223, 0.03941218, 0.04280329, 
    0.04689105, 0.04960554, 0.05232003, 0.05487037, 0.05843364, 
    0.05120701]) 

x= array([ 0., 0.08975979, 0.17951958, 0.26927937, 0.35903916, 
    0.44879895, 0.53855874, 0.62831853, 0.71807832, 0.80783811, 
    0.8975979 , 0.98735769, 1.07711748, 1.16687727, 1.25663706, 
    1.34639685, 1.43615664, 1.52591643, 1.61567622, 1.70543601, 
    1.7951958 , 1.88495559, 1.97471538, 2.06447517, 2.15423496, 
    2.24399475, 2.33375454, 2.42351433, 2.51327412, 2.60303391, 
    2.6927937 , 2.78255349, 2.87231328, 2.96207307, 3.05183286, 
    3.14159265]) 

def func(x,beta): 
    return 1.0/(4.0*np.pi)*(1+beta*(3.0/2*np.cos(x)**2-1.0/2)) 

guesses = [20] 
popt,pcov = curve_fit(func,x,y,p0=guesses) 

y_fit = 1/(4.0*np.pi)*(1+popt[0]*(3.0/2*np.cos(x)**2-1.0/2)) 

plt.figure(1) 
plt.plot(x,y,'ro',x,y_fit,'k-') 
plt.show()

代码有效，但拟合完全关闭（请参见图片）。任何想法为什么？

enter image description here 它看起来像使用式包含一个额外的参数，即，p

def func(x,beta,p): 
    return p/(4.0*np.pi)*(1+beta*(3.0/2*np.cos(x)**2-1.0/2)) 

guesses = [20,5] 
popt,pcov = curve_fit(func,x,y,p0=guesses) 

y_fit = func(angle_plot,*popt) 

plt.figure(2) 
plt.plot(x,y,'ro',x,y_fit,'k-') 
plt.show() 

print popt # [ 1.23341604 0.27362069]

在哪一个是β-的POPT，哪一个为p？

enter image description here

来源

2014-10-02 diegus

它真正似乎您使用功能不符合数据以及 - 这可能是最合适的。请检查括号。 – mdurant 2014-10-02 15:33:01

@mdurant看到编辑 – diegus 2014-10-03 08:00:25

第二个是'p'，因为你已经在'func' beta'后'定义它。 – 2014-10-03 15:34:01

这将是一样好，你可以得到（假设你得到的方程式权@mdurant建议），一个额外的截距项需要进一步完善适合：

def func(x,beta, icpt): 
    return 1.0/(4.0*np.pi)*(1+beta*(3.0/2*np.cos(x)**2-1.0/2))+icpt 

guesses = [20, 0] 
popt,pcov = curve_fit(func,x,y,p0=guesses) 

y_fit = func(x, *popt) 

plt.figure(1) 
plt.plot(x,y,'ro', x,y_fit,'k-') 
print popt #[ 0.33748816 -0.05780343]

enter image description here

来源

2014-10-02 15:33:15

它看起来我需要的第二个参数fit..In您打印是公测第一值的POPT，即0.3374？ – diegus 2014-10-03 07:21:38

是的，没错。它们的顺序与'func'中的顺序相同。 – 2014-10-03 15:32:13

这也许不是你想要的，但是，如果你只是想获得一个不错的选择的数据，你可以使用np.polyfit：

fit = np.polyfit(x,y,4) 
fit_fn = np.poly1d(fit) 
plt.scatter(x,y,label='data',color='r') 
plt.plot(x,fit_fn(x),color='b',label='fit') 
plt.legend(loc='upper left')

enter image description here

注意fit给出的系数值，在这种情况下，一个四阶多项式：

>>> fit 
array([-0.00877534, 0.05561778, -0.09494909, 0.02634183, 0.03936857])

来源

2014-10-02 16:07:05 atomh33ls

的polyfit肯定是好多了，然后我的功能，但我需要用我的功能.. – diegus 2014-10-03 08:01:44

曲线与已知功能numpy的

回答

相关问题