Python 绘制分段拟合到非线性数据
我有一个类似的问题。我有一个数据集,我想适合几个分段函数,然后绘制结果 数据在下面以红色绘制 为了提供一些上下文,y值表示电机转动x度所需的毫秒数。我已将原始值上载到 现在,我想以分段方式拟合三个函数:Python 绘制分段拟合到非线性数据,python,numpy,matplotlib,scipy,curve-fitting,Python,Numpy,Matplotlib,Scipy,Curve Fitting,我有一个类似的问题。我有一个数据集,我想适合几个分段函数,然后绘制结果 数据在下面以红色绘制 为了提供一些上下文,y值表示电机转动x度所需的毫秒数。我已将原始值上载到 现在,我想以分段方式拟合三个函数: 适用于数据开始的多项式,其中电机加速至最大速度 达到最大速度时的线性拟合 多项式拟合,然后电机关闭并减速 到目前为止,我已经尝试使用下面所示的代码对两个线性函数进行分段拟合。考虑到数据的外观,我希望看到数据从原点到大约ms=550有一个斜率,然后从那里有第二条线平行于x轴 然而,这不是我得到
- 适用于数据开始的多项式,其中电机加速至最大速度
- 达到最大速度时的线性拟合
- 多项式拟合,然后电机关闭并减速
ms=550
有一个斜率,然后从那里有第二条线平行于x轴
然而,这不是我得到的:
在我尝试使用三个函数执行分段拟合之前,我首先想了解为什么得到这个图,而不是我所期望的
因此,我的问题是:
用于创建上述绘图的代码如下所示:
from pandas import *
import matplotlib.pyplot as plt
import numpy as np
from scipy import optimize
#Getting data using Pandas
df = read_csv("test_data.csv")
ms = df["ms"].values
degrees = df["Degrees"].values
#A piece wise function taken from the other stackoverflow
def piecewise_linear(x, x0, y0, k1, k2):
return np.piecewise(x, [x < x0], [lambda x:k1*x + y0-k1*x0, lambda x:k2*x + y0-k2*x0])
#Setting linspace and making the fit
x_new = np.linspace(ms[0], ms[-1])
p , e = optimize.curve_fit(piecewise_linear, ms, degrees)
#Plotting data and fit
fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(x_new, piecewise_linear(x_new, *p), '.', df)
ax.set_ylim([0, 450])
ax.set_xlim([0, 800])
从导入*
将matplotlib.pyplot作为plt导入
将numpy作为np导入
从scipy导入优化
#使用熊猫获取数据
df=读取csv(“test\u data.csv”)
ms=df[“ms”]。数值
度=df[“度”]。值
#从另一个stackoverflow中提取的分段函数
def分段线性(x,x0,y0,k1,k2):
逐段返回np(x[x
2。问题:您需要重新定义分段线性
,现在它有三个部分,您可以随意更改它们(我刚刚举了一个二次、一次和三次多项式的例子)
作为旁注,我还为初始参数添加了一些有根据的猜测,这比让python随机选择更合适
那就做吧
ax.plot(x_new, piecewise_linear(x_new, *p), '-', ms[::20], degrees[::20], 'o')
谢谢,这正是我想要的。我注意到我需要在曲线_fit()中添加猜测以获得拟合的平端。否则,它就像一个符咒:)没问题:),这也是我发现的,第三度如果随机放置,不知何故并不适合。
#Setting linspace and making the fit, make sure to make you data numpy arrays
x_new = np.linspace(ms[0], ms[-1], dtype=float)
m = np.array(ms, dtype=float)
deg = np.array(degrees, dtype=float)
guess = np.array( [100, 500, -30, 350, -0.1, 0.0051, 1, -0.01, -0.01, -0.01], dtype=float)
p , e = optimize.curve_fit(piecewise_linear, m, deg)
#Plotting data and fit
fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(x_new, piecewise_linear(x_new, *p), '-', df)
ax.set_ylim([0, 450])
ax.set_xlim([0, 800])
ax.plot(x_new, piecewise_linear(x_new, *p), '-', ms[::20], degrees[::20], 'o')