用Python将高斯曲线拟合到曲线

我想使用python将高斯曲线拟合到曲线。我在这里的某个地方找到了一个解决方案，但它似乎只适用于n形高斯，而不适用于u形高斯

代码如下：

import pylab, numpy

from scipy.optimize import curve_fit

x=numpy.array(range(10))

y=numpy.array([0,1,2,3,4,5,4,3,2,1])

n=len(x)

mean=sum(y)/n

sigma=sum(y-mean)**2/n

def gaus(x,a,x0,sigma):
    return a*numpy.exp(-(x-x0)**2/(2*sigma**2))

popt, pcov=curve_fit(gaus,x,y,p0=[1,mean,sigma])

pylab.plot(x,y,'r-',x,y,'ro')

pylab.plot(x,gaus(x,*popt),'k-',x,gaus(x,*popt),'ko')

pylab.show()

代码将高斯曲线拟合为n形曲线，但如果我将y更改为y=numpy.array（[5,4,3,2,1,2,3,4,5,6]），则返回一些错误：未找到最佳参数：函数调用数已达到maxfev=800

我需要在代码中更改/调整什么以适应U形高斯曲线？

---

谢谢。

也许你可以反转你的值，拟合一个“n”型高斯，然后反转高斯。

也许你可以反转你的值，拟合一个“n”型高斯，然后反转高斯。

拟合的函数形式是错误的。无论是n形还是u形，高斯分布的尾部都会变为0，但你的尾部会变为~5

如果在等式中引入一个偏移量，并选择合理的初始值，那么它是有效的。见下面的代码：

import pylab, numpy
from scipy.optimize import curve_fit

x=numpy.array(range(10))
y=numpy.array([5,4,3,2,1,2,3,4,5,6])

n=len(x)
mean=sum(y)/n
sigma=sum(y-mean)**2/n

def gaus(x,a,x0,sigma,c):
    return a*numpy.exp(-(x-x0)**2/(2*sigma**2))+c

popt, pcov=curve_fit(gaus,x,y,p0=[-1,mean,sigma,-5])

pylab.plot(x,y,'r-',x,y,'ro')
pylab.plot(x,gaus(x,*popt),'k-',x,gaus(x,*popt),'ko')
pylab.show()

---

你的贴合感的功能形式是错误的。无论是n形还是u形，高斯分布的尾部都会变为0，但你的尾部会变为~5

如果在等式中引入一个偏移量，并选择合理的初始值，那么它是有效的。见下面的代码：

import pylab, numpy
from scipy.optimize import curve_fit

x=numpy.array(range(10))
y=numpy.array([5,4,3,2,1,2,3,4,5,6])

n=len(x)
mean=sum(y)/n
sigma=sum(y-mean)**2/n

def gaus(x,a,x0,sigma,c):
    return a*numpy.exp(-(x-x0)**2/(2*sigma**2))+c

popt, pcov=curve_fit(gaus,x,y,p0=[-1,mean,sigma,-5])

pylab.plot(x,y,'r-',x,y,'ro')
pylab.plot(x,gaus(x,*popt),'k-',x,gaus(x,*popt),'ko')
pylab.show()

---

你确定这是你的实际代码吗？当我运行这个程序时，由于被0除，我得到一个

RuntimeWarning

，因为

sigma

是0（你可能想要

numpy.sqrt（sum（（y-means）**2）/n）

，如果这是一个标准偏差）。Hi senshin。以上是我的实际代码。它适用于n形。你确定这是你的实际代码吗？当我运行这个程序时，由于被0除，我得到一个

RuntimeWarning

，因为

sigma

是0（你可能想要

numpy.sqrt（sum（（y-means）**2）/n）

，如果这是一个标准偏差）。Hi senshin。以上是我的实际代码。它适用于n型。谢谢Madison May。我想到了，但不知道如何调整代码。谢谢麦迪逊·梅。我想到了这一点，但不确定如何调整代码。我现在正尝试将U形高斯拟合到一条曲线，最小（x）=7250，最大（x）=7849，最小（y）=2.4*10^-16，最大（y）=4.3*10^-16，我一直在使用c常量的值，但最终得到的是一条直线。在这种情况下，我应该使用什么？对于

c

，如果它是u形，则需要

-max（y）

附近的东西。然而，问题很可能是对

a

的初始猜测，它远大于高斯分布的振幅。尝试设置

a~=-2E-16

（负数表示u形高斯，而

a

的大小约为最小值（y）和最大值（y）之间的差值））我现在尝试将u形高斯拟合到一条曲线，最小值（x）=7250，最大值（x）=7849，最小值（y）=2.4*10^-16，最大值（y）=4.3*10^-16我一直在用c常量的值来计算，但我最后得到的是一条直线。在这种情况下，我应该使用什么？对于

c

，如果它是u形，则需要

-max（y）

附近的东西。然而，问题很可能是对

a

的初始猜测，它远大于高斯分布的振幅。尝试设置

a~=-2E-16

（负数表示u形高斯，而

a

的大小约为最小值（y）和最大值（y）之间的差值）