Python 为什么scipy.optimize.curve_fit不能为我的点生成最佳拟合线？

我有一组数据点，（下面代码中的x和y），我试图通过我的点创建一条最佳拟合的线性线。我正在使用

scipy.optimize.curve\u fit

。我的代码生成一行，但不是最佳拟合的行。我试着给出函数模型参数，用于梯度和截距，但每次都会产生完全相同的线，不适合我的数据点

蓝点是我的数据点，红线应适用于：

如果有人能指出我错在哪里，我将不胜感激：

import numpy as np
import matplotlib.pyplot as mpl
import scipy as sp
import scipy.optimize as opt

x=[1.0,2.5,3.5,4.0,1.1,1.8,2.2,3.7]
y=[6.008,15.722,27.130,33.772,5.257,9.549,11.098,28.828]
trialX = np.linspace(1.0,4.0,1000)                         #Trial values of x

def f(x,m,c):                                        #Defining the function y(x)=(m*x)+c
    return (x*m)+c

popt,pcov=opt.curve_fit(f,x,y)                       #Returning popt and pcov
ynew=f(trialX,*popt)                                                  

mpl.plot(x,y,'bo')
mpl.plot(trialX,ynew,'r-')
mpl.show()

---

您也可以使用numpy.polyfit获得最佳拟合线：

import numpy as np
import matplotlib.pyplot as mpl

x=[1.0,2.5,3.5,4.0,1.1,1.8,2.2,3.7]
y=[6.008,15.722,27.130,33.772,5.257,9.549,11.098,28.828]
trialX = np.linspace(1.0,4.0,1000)                         #Trial values of x

#get the first order coefficients 
fit = np.polyfit(x, y, 1)

#apply 
ynew = trialX * fit[0] + fit[1]                                              

mpl.plot(x,y,'bo')
mpl.plot(trialX,ynew,'r-')
mpl.show()

---

以下是输出：

编辑：此行为现在已在当前版本的scipy中进行了修补，以使

.curve\u fit

更加简单：

---

出于某种原因，

.curve\u fit

确实希望输入是一个numpy数组，如果您向它传递一个常规列表，它将给您错误的结果（这是一个意外行为，可能是一个bug）。将

x

的定义更改为：

x=np.array([1.0,2.5,3.5,4.0,1.1,1.8,2.2,3.7])

你会得到：

---

我猜这是因为

m*x

其中m是一个整数，x是一个列表，将生成该列表的m个副本，显然不是您想要的结果

我设法自己解决了这个问题。x被定义为列表，而不是数组。我只是简单地将np.array放在定义的x和y数组的前面，就解决了这个问题。我得出了相同的结论Lizi，我应该先看到这个评论！下次出现这种情况时，请随意将其作为您自己问题的答案发布并接受。请注意，这已被修补：您可以通过将拟合行更改为类似以下内容来扩展此答案：

fit\u poly=np.poly1d（np.polyfit（x，y，1））

和

ynew=fit\u poly（trialX）

。如果你以后愿意的话，这会使你更容易改成二次曲线。我给了你另一个向上投票，这应该足以将图片添加到你以后的文章中（并编辑这篇文章）。欢迎来到堆栈溢出！您不需要添加“希望这有帮助”之类的内容，如果有，您将获得投票，如果没有，您将获得反对票或要求澄清的评论。我们在这里尽量保持答案干净！这听起来像是curve_fit中的一个bug：你能在@Zhenya上提交一个问题吗？我一直在想，这不是一个bug，但对新用户来说是出乎意料的。因此，请注意：f是函数，而曲线拟合只是将x传递给它。因此，您应该检查您的函数是否具有正确的数据行为。：）