Python Scipy optimize curve_fit在拟合自定义函数时为相同参数提供不同的曲线图

我在Python中使用scipy.optimize拟合自定义函数时遇到问题，我不知道为什么会发生这种情况。我从中心和标准化二项分布（高斯曲线）生成数据，然后拟合曲线。当我在拟合数据上绘制函数时，预期结果如图所示。但当我试穿时，它失败了

我确信这是一个python式的东西，因为它应该给出参数a=1（这就是我定义它的方式），它给出了参数a=1，但是拟合不好（见图）。但是，如果我在以下方面将西格玛更改为0.65*sigma：

p_halfg, p_halfg_cov = optimize.curve_fit(lambda x, a:piecewise_half_gauss(x, a, sigma = 0.65*sigma_fit), x, y, p0=[1])

，它提供了几乎完美的拟合（如数学预测的，a是5/3）。这些配合应该是相同的，但它们不是！ 我在下面给出更多的评论。你能告诉我发生了什么，问题出在哪里吗

---

我从标准化二项分布生成数据（我可以提供我的代码，但现在值更重要）。这是一个N=10，p=0.5的分布，我把它居中，只取曲线的右边。然后我用我的半高斯函数拟合它，如果它的参数a=1（sigma等于分布的sigma，sqrt（np（1-p）），它应该是与二项式相同的分布。现在的问题是，尽管获得了参数a的正确值，但它不符合图中所示的数据

注意奇怪的东西。。。如果我设置sigma=3*sigma_拟合，我得到a=1/3和一个非常差的拟合（低估）。如果我将它设置为0.2*sigma_拟合，我也会得到一个不好的拟合，a=1/0.2=5（高估）。等等为什么？（顺便说一句，a=1/sigma，因此装配程序应该有效）

编辑--已解决： 这是一个绘图问题，需要使用

y_fit = piecewise_half_gauss(f_fit, a, sigma = 0.6*sigma_fit)

---

问题在于绘制和拟合参数——如果我用不同的

sigma

进行拟合，我还需要在生成

y\u-fit

时在绘图部分对其进行更改：

#获取拟合参数
p_halfg，p_halfg_cov=优化曲线拟合（λx，a：分段半高斯（x，a，sigma=0.6*sigma_拟合），x，y，p0=[1]）
...
y_拟合=分段半高斯（f_拟合，a，σ=0.6*sigma_拟合）

plt.scatter(x, y, c = 'r', label = 'Original points')
plt.plot(np.linspace(0,5,50), piecewise_half_gauss(np.linspace(0,5,50), 1, sigma_fit), label = 'Fit')
plt.legend()

y_fit = piecewise_half_gauss(f_fit, a, sigma = 0.6*sigma_fit)