Python Scipy曲线拟合函数使用初始猜测值，而不是实际拟合_Python_Numpy_Matplotlib_Scipy_Curve Fitting

Python Scipy曲线拟合函数使用初始猜测值，而不是实际拟合

python numpy matplotlib

Python Scipy曲线拟合函数使用初始猜测值，而不是实际拟合,python,numpy,matplotlib,scipy,curve-fitting,Python,Numpy,Matplotlib,Scipy,Curve Fitting,我是编程方面的新手，尤其是曲线拟合方面。但我尝试将模型曲线拟合到我使用Python和Numpy进行的一些测量中我成功地将一条“拟合”曲线绘制成一组数据。嗯，看起来是这样的。结果证明，该函数只使用初始猜测，并不尝试实际拟合曲线。我通过对不同数据集使用相同的初始猜测来测试这一点。结果是： fitParams的输出是fitcarvariances（这似乎是非常奇怪的值）： def fitFunc（）的输出只是重复的初始猜测值我首先尝试了我的第五个数据集脚本，这似乎有些什么好的。但是你可以看到，每

我是编程方面的新手，尤其是曲线拟合方面。但我尝试将模型曲线拟合到我使用Python和Numpy进行的一些测量中

我成功地将一条“拟合”曲线绘制成一组数据。嗯，看起来是这样的。结果证明，该函数只使用初始猜测，并不尝试实际拟合曲线。我通过对不同数据集使用相同的初始猜测来测试这一点。结果是：

fitParams

的输出是

fitcarvariances

（这似乎是非常奇怪的值）：

def fitFunc（）

的输出只是重复的初始猜测值

我首先尝试了我的第五个数据集脚本，这似乎有些什么好的。但是你可以看到，每一条“拟合曲线”都是完全相同的，它只是使用了最初的猜测

以下是脚本：

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

mpl.rcParams['text.usetex']=True
mpl.rcParams['text.latex.unicode']=True

#model
def fitFunc(P_max, x, x_0, w_z):
    print P_max
    print x_0
    print w_z
    return 0.5 * P_max * (1 - scipy.special.erf((scipy.sqrt(2) * (x - x_0)) / w_z))

fig = plt.figure()

#for-loop to read and curve fit for all data sets
for n in range (1,7):
    x_model = np.linspace(-1,6,5000)
    y_model = []
    x = []
    P = []
    name = 'data_' + str(n)
    with open(name + '.csv', 'rb') as f:
        data = csv.reader(f, delimiter = ';')
        for row in data:
            x.append(float(row[1]))
            P.append(float(row[2]))
        fitParams, fitCovariances = curve_fit(fitFunc, np.array(x), np.array(P), [540, 2.5, 2])
        print fitParams
        print fitCovariances

    for i in range(0, len(x_model)):
        y_model.append(fitFunc(fitParams[0], x_model[i], fitParams[1], fitParams[2]))

    ax = fig.add_subplot(2,3,n, axisbg='white')
    ax.scatter(x,P)
    ax.plot(x_model,y_model)
    ax.set_xlim([0, 6])
    ax.set_ylim([0, 600])
    ax.set_xlabel(r'\Delta x')
    ax.set_ylabel(r'P (\mu W)')

plt.tight_layout()
plt.show()

我真的找不出我做错了什么。我希望你们能帮助我。谢谢：）

注意：您可以下载数据文件来尝试使用相同数据的脚本。

您唯一的问题是

fitFunc

的定义。从

帮助（曲线拟合）

：

这意味着您必须移动

输入以成为函数的第一个参数。这只影响两行：您对

fitFunc

的定义

#def fitFunc(P_max, x, x_0, w_z): #original
def fitFunc(x, P_max, x_0, w_z):
    print(P_max)
    print(x_0)
    print(w_z)
    return 0.5 * P_max * (1 - scipy.special.erf((scipy.sqrt(2) * (x - x_0)) / w_z))

打印时显式调用

fitFunc

：

for i in range(0, len(x_model)):
    y_model.append(fitFunc(x_model[i], fitParams[0], fitParams[1], fitParams[2]))

结果：

我认为你和西皮都做得很好：）

效率注意事项：

我看不出您的

fitFunc

无法处理向量值

输入的原因（它确实可以）。这意味着，在绘制拟合模型时，您可以在

上省去循环，您可以说

 y_model = fitFunc(x_model, fitParams[0], fitParams[1], fitParams[2])

唯一的问题是

fitFunc