Python中的渐近回归？

我有一部分数据集，

y

值最终必须达到一个渐近极限。以下是前300个条目的示意图：

我已经看到了（形式为

y=b0+b1*（1-exp（-exp（lrc）*x）

），我认为这将是适合此数据的最佳模型。R的库中似乎已经有了，但我在Python中找不到

（1） 是否有以下Cleb回答的渐近回归或相关饱和动力学模型的库函数？如果没有，如何使用scipy.optimize.curve_fit建模

（2） 还有如何预测曲线的最大整数值？例如，如果

y=2454.1234

是

X=10**20

和

y=2545.5678

在

X=10**50

处的值，对于某个模型，我想得到

2454

。除了线性搜索之外，还有什么一次性的方法吗

---

谢谢你的帮助。

你可以很容易地使用它。我使用了不同的型号，但你可以很容易地改变它

您得到的输出如下所示：

这是一段非常不言自明的代码：

import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
import pandas as pd


def f(x, a, b, n):
    return a * x ** n  / (x ** n + b)


data = pd.read_csv('data.txt.txt', sep='\t')

y = data['y'].astype(float)
x = data['X'].astype(float)

popt, pcov = curve_fit(f, x, y, p0=[1800., 20., 1.])

plt.scatter(x, y)
plt.plot(x, f(x, *popt), 'r-')

plt.show()

---

您使用的模型是什么？@Ain：只有一个模型可以用来描述饱和动力学。您可以用所需的模型替换它，但初始条件（

p0

）将很重要；您可能必须拟合模型的对数。如何进行拟合？您可以添加如何在答案中选择p0值吗？这将是一个很大的帮助。@Ain：现在时间不多，以后可能可以这样做。通常我会绘制一些参数值的数据和函数输出，以至少获得形状ect；其余的

曲线拟合就可以了：）。当然，@Cleb我很期待。谢谢