Python：如何使一行适合特定的数据间隔？

我正在尝试将一条线与我的数据集的9.0到10.0 um区域相匹配。以下是我的情节：

不幸的是，这是一个散点图，其中的

x

值没有从小到大进行索引，因此我不能仅将

optimize.curve\u fit

函数应用于特定的索引范围，以获得

x

值中所需的范围

下面是我的曲线拟合步骤。我如何修改它，使其只适合9.0到10.0 um

x

-值范围（在我的例子中，是

x_dist

变量），该变量的点随机分布在索引中

    def func(x,a,b):                                # Define your fitting function
    return a*x+b                                  
  
initialguess = [-14.0, 0.05]                     # initial guess for the parameters of the function func

fit, covariance = optimize.curve_fit(             # call to the fitting routine curve_fit.  Returns optimal values of the fit parameters, and their estimated variance
        func,                                     # function to fit
        x_dist,                                    # data for independant variable
        xdiff_norm,                                    # data for dependant variable
        initialguess,                             # initial guess of fit parameters
        )                                     # uncertainty in dependant variable

print("linear coefficient:",fit[0],"+-",np.sqrt(covariance[0][0])) #print value and one std deviation of first fit parameter
print("offset coefficient:",fit[1],"+-",np.sqrt(covariance[1][1]))     #print value and one std deviation of second fit parameter

print(covariance)

---

您正确地识别出问题的产生是因为您的x值数据没有排序。你可以用不同的方式解决这个问题。一种方法是使用布尔掩码过滤掉不需要的值。我尽量接近你的例子：

from matplotlib import pyplot as plt
import numpy as np
from scipy import optimize

#fake data generation
np.random.seed(1234)
arr = np.linspace(0, 15, 100).reshape(2, 50)
arr[1, :] = np.random.random(50)
arr[1, 20:45] += 2 * arr[0, 20:45] -5
rng = np.random.default_rng()
rng.shuffle(arr, axis = 1)
x_dist = arr[0, :]
xdiff_norm = arr[1, :]

def func(x, a, b):                              
    return a * x + b      

initialguess = [5, 3]
mask = (x_dist>2.5) & (x_dist<6.6)
fit, covariance = optimize.curve_fit(           
        func,                                     
        x_dist[mask],   
        xdiff_norm[mask],    
        initialguess)   

plt.scatter(x_dist, xdiff_norm, label="data")
x_fit = np.linspace(x_dist[mask].min(), x_dist[mask].max(), 100)
y_fit = func(x_fit, *fit)
plt.plot(x_fit, y_fit, c="red", label="fit")
plt.legend()
plt.show()

样本输出（毫不奇怪，差别不大）：

---

您的输入是什么？numpy阵列？您是否知道要限制拟合的索引或值范围？如果是前者，那么

curve\u fit（func，x\u dist[start:stop]，xdiff\u norm[start:stop]，…

就足够了。@Mr.T这是一个numpy数组。我的问题是，如果我调用一个索引范围，它将与我的x值中的范围不对应。如果我选择[200:250]，我调用的50个索引将在我的整个范围内随机分布xvalue，这没有多大帮助。我的一个想法是将索引从最小的xvalue排序到最大的xvalue，然后我可以调用特定的索引范围。

from matplotlib import pyplot as plt
import numpy as np
from scipy import optimize

#fake data generation
np.random.seed(1234)
arr = np.linspace(0, 15, 100).reshape(2, 50)
arr[1, :] = np.random.random(50)
arr[1, 20:45] += 2 * arr[0, 20:45] -5
rng = np.random.default_rng()
rng.shuffle(arr, axis = 1)
x_dist = arr[0, :]
xdiff_norm = arr[1, :]

def func(x, a, b):                              
    return a * x + b      

#find indexes of a sorted x_dist array, then sort both arrays based on this index
ind = x_dist.argsort()
x_dist = x_dist[ind]
xdiff_norm = xdiff_norm[ind]

#identify index where linear range starts for normal array indexing
start = np.argmax(x_dist>2.5)
stop = np.argmax(x_dist>6.6)

initialguess = [5, 3]
fit, covariance = optimize.curve_fit(           
        func,                                     
        x_dist[start:stop],   
        xdiff_norm[start:stop],    
        initialguess)   

plt.plot(x_dist, xdiff_norm, label="data")
x_fit = np.linspace(x_dist[start], x_dist[stop], 100)
y_fit = func(x_fit, *fit)
plt.plot(x_fit, y_fit, c="red", ls="--", label="fit")
plt.legend()
plt.show()