Python 使用scipy.optimize.curve\u拟合执行加权线性拟合

我想执行加权线性拟合，以提取方程

y=mx+c

中的参数

m

和

c

。 我要对其执行拟合的数据是：

xdata = [661.657, 1173.228, 1332.492, 511.0, 1274.537]

ydata = [242.604, 430.086, 488.825, 186.598, 467.730]

yerr = [0.08, 0.323, 0.249, 0.166, 0.223]

---

我想使用

scipy.optimize.curve\u fit

，但我不知道当每个y数据点都有一个与之相关的错误时如何使用它。

IIUC那么你要找的是

sigma

关键字参数

sigma: None or M-length sequence or MxM array, optional

Determines the uncertainty in ydata. If we define residuals as r = ydata - f(xdata, *popt), 
then the interpretation of sigma depends on its number of dimensions:
A 1-d sigma should contain values of standard deviations of errors in ydata. 
In this case, the optimized function is chisq = sum((r / sigma) ** 2).

None (default) is equivalent of 1-d sigma filled with ones.

然后代码将变成：

def func(x, m, c):
    return m * x + c

curve_fit(func, xdata, ydata, sigma=yerr)