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：

• 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：

有人能解释一下如何修正我的代码，使之适合两个线性函数吗

如何使用三个函数展开代码以绘制分段拟合

---

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')