Arrays 将平面拟合到点云中（3d）

我有一个包含多列数据的数据文件，我想从这个数据文件中提取3列（表示坐标）并将它们放在另一个文件中，然后使用新创建的文件，我想使用scipy.optimize.curve_fit拟合一个平面或曲面（或任何你想称之为平面或曲面的东西）。这是我的密码：

# -*- coding: utf-8 -*-

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



### processing function    
def store(var,textfile):
    data=loadtxt(textfile,skiprows=1)
    p0=[]
    p1=[]
    p2=[]
    for i in range(0,len(data)):
        p0.append(float(data[i,2]))
        p1.append(float(data[i,3]))
        p2.append(float(data[i,4]))
    var.append(p0)
    var.append(p1)
    var.append(p2)

#extracting the data from a textfile
datafile1='cracks_0101005_5k_tensionTestCentreCrack_l0.001a0_r0.01.txt'
a1=[]
store(a1, datafile1)


rcParams.update({'legend.numpoints':1,'font.size': 20,'axes.labelsize':25,'xtick.major.pad':10,'ytick.major.pad':10,'legend.fontsize':14})
lw=2
ms=10

#fitting a surface(curve) into the data

def func(data, m, n, o): 
    return m*data[:,0] + n*data[:,2] + o 

guess=(1,1,1)

params, pcov = curve_fit(func, a1[::2, :2], a1[:,1], guess)
print (params)

我收到以下错误消息：

Traceback (most recent call last):
  File "fitcurve.py", line 41, in <module>
    params, pcov = curve_fit(func, a1[::2, :2], a1[:,1], guess)
TypeError: list indices must be integers, not tuple

回溯（最近一次呼叫最后一次）：
文件“fitcurve.py”，第41行，在
参数，pcov=曲线拟合（func，a1[：：2，：2]，a1[：，1]，猜测）
TypeError:列表索引必须是整数，而不是元组

你能告诉我我做错了什么吗

更清楚地说： 我试图用Y作为依赖函数，所以它是X和Z的函数。 显然，

a1[]

是列表而不是数组，对吗？ 但即使我将其更改为数组

Myarray=np.asarray（a1）

我也会收到一些其他奇怪的消息。 如果有人能帮我理解这里的问题，我将不胜感激

---

干杯

以下是平面的线性多元回归示例：

import numpy as np

# the below "columns" of data could be i.e., x, y**2, sin(x), log(y), etc.
# numpy's array transpose can also  be handy in formatting the data in this way

# first "column" will regress to an offset parameter (a * 1.0, or just a)
# second "column" will regress the X data (b * X)
# third "column" will regress the Y data  (c * Y)
indepData = np.array([
[1.0, 11.0, 0.1], # first data point
[1.0 ,22.0, 0.2], # second data point
[1.0, 33.0, 0.3], # third data point
[1.0, 35.0, 0.5] # fourth data point
])

# Z data
depData = np.array([5.0, 60.0, 70.0, 185.0])


coeffs = np.linalg.lstsq(indepData, depData)[0]

print(coeffs)

X = 25.0
Y = 0.2
a = coeffs[0]
b = coeffs[1]
c = coeffs[2]

regressionPredictedValue = a + b*X + c*Y
print(regressionPredictedValue)

---

以下是平面的线性多元回归示例：

import numpy as np

# the below "columns" of data could be i.e., x, y**2, sin(x), log(y), etc.
# numpy's array transpose can also  be handy in formatting the data in this way

# first "column" will regress to an offset parameter (a * 1.0, or just a)
# second "column" will regress the X data (b * X)
# third "column" will regress the Y data  (c * Y)
indepData = np.array([
[1.0, 11.0, 0.1], # first data point
[1.0 ,22.0, 0.2], # second data point
[1.0, 33.0, 0.3], # third data point
[1.0, 35.0, 0.5] # fourth data point
])

# Z data
depData = np.array([5.0, 60.0, 70.0, 185.0])


coeffs = np.linalg.lstsq(indepData, depData)[0]

print(coeffs)

X = 25.0
Y = 0.2
a = coeffs[0]
b = coeffs[1]
c = coeffs[2]

regressionPredictedValue = a + b*X + c*Y
print(regressionPredictedValue)

---

下面是我在您的代码中注意到的可能错误：

您希望将

y

作为

x，z

的函数进行拟合，因此要发送的

x

数组可能是

a1[：，：：2]

。但这意味着

func

已经获得了一个

m，2

数组，所以这里它必须

返回m*data[：，0]+n*data[：，1]+o

我仍然认为它应该是两个参数的拟合，而不是三个参数的拟合。您可以根据相应的结果计算可能的

m，n，o

import matplotlib 
matplotlib.use('Qt5Agg')
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
from matplotlib import style
from random import random
style.use('ggplot')

from scipy.optimize import curve_fit

""" make some data and save to file """
data=[]
a,b,s=1.233,-2.17,5.2
for i in range(88):
    x=10*(2*random()-1)
    y=10*(2*random()-1)
    z=a*x+b*y+s*(2*random()-1)*.5
    data+=[[x,y,z]]
data=np.array(data)
np.savetxt("data.txt", data)

""" get the data and use unpack to directly write into x,y,z variables"""
xData,yData,zData=np.loadtxt("data.txt", unpack=True)
"""...while I actally need the packed version as well, so I could load again"""
#allData=np.loadtxt("data.txt")
"""...or..."""
allData=np.array(zip(xData,yData,zData))


def func(data, m, o): 
    return m*data[:,0] + o*data[:,1] 


guess=(1,1)
params, pcov = curve_fit(func, allData[:, ::2], allData[:,1], guess)

""" showing data and fit result"""
x=np.linspace(-10,10,10)
y=np.linspace(-10,10,10)
X,Y=np.meshgrid(x,y)
Z=-params[0]/params[1]*X+1/params[1]*Y
fig1 = plt.figure(1)
ax=fig1.add_subplot(1,1,1, projection='3d')
ax.scatter(xData,yData,zData)
ax.plot_wireframe(X,Y,Z,color='#4060a6',alpha=.6)
ax.set_title("({:1.2f},{:1.2f})".format(-params[0]/params[1],1/params[1]))
plt.show()

---

请注意，在安装

y=m*x+o*z

时，我绘制了

z=a*x+b*y

mit

b=1/o

und

a=-m/o

，即

n=1

。您可以相应地重新缩放

m，n，o

。

这里是我在您的代码中注意到的可能错误：

您希望将

y

作为

x，z

的函数进行拟合，因此要发送的

x

数组可能是

a1[：，：：2]

。但这意味着

func

已经获得了一个

m，2

数组，所以这里它必须

返回m*data[：，0]+n*data[：，1]+o

我仍然认为它应该是两个参数的拟合，而不是三个参数的拟合。您可以根据相应的结果计算可能的

m，n，o

import matplotlib 
matplotlib.use('Qt5Agg')
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
from matplotlib import style
from random import random
style.use('ggplot')

from scipy.optimize import curve_fit

""" make some data and save to file """
data=[]
a,b,s=1.233,-2.17,5.2
for i in range(88):
    x=10*(2*random()-1)
    y=10*(2*random()-1)
    z=a*x+b*y+s*(2*random()-1)*.5
    data+=[[x,y,z]]
data=np.array(data)
np.savetxt("data.txt", data)

""" get the data and use unpack to directly write into x,y,z variables"""
xData,yData,zData=np.loadtxt("data.txt", unpack=True)
"""...while I actally need the packed version as well, so I could load again"""
#allData=np.loadtxt("data.txt")
"""...or..."""
allData=np.array(zip(xData,yData,zData))


def func(data, m, o): 
    return m*data[:,0] + o*data[:,1] 


guess=(1,1)
params, pcov = curve_fit(func, allData[:, ::2], allData[:,1], guess)

""" showing data and fit result"""
x=np.linspace(-10,10,10)
y=np.linspace(-10,10,10)
X,Y=np.meshgrid(x,y)
Z=-params[0]/params[1]*X+1/params[1]*Y
fig1 = plt.figure(1)
ax=fig1.add_subplot(1,1,1, projection='3d')
ax.scatter(xData,yData,zData)
ax.plot_wireframe(X,Y,Z,color='#4060a6',alpha=.6)
ax.set_title("({:1.2f},{:1.2f})".format(-params[0]/params[1],1/params[1]))
plt.show()

---

请注意，在安装

y=m*x+o*z

时，我绘制了

z=a*x+b*y

mit

b=1/o

und

a=-m/o

，即

n=1

。您可以相应地重新缩放

m，n，o

。

数据实际上代表什么？如果您只使用

data[：，0]

和

data[：，2]

我看不出三参数匹配的意义……还可以尝试使用loadtxt的

unpack=True

可能性，以避免

for

循环，数据实际上代表什么？如果您只使用

data[：，0]

和

data[：，2]

我看不出三个参数匹配的意义……还可以尝试使用loadtxt的

unpack=True

可能性，以避免

for

循环