Python：scipy.optimze中的Curve_fit无法设置x值的范围

Question

我找不到告诉Curve_fit仅使用特定范围内的x值的可能性。 我找到了“ bounds”参数，但这似乎只适用于我函数的参数。

当有数据时，例如，要拟合的地方是线性曲线（但仅在数据的特定区域），则必须创建一个新列表。 特别是因为pyplot.plot为x和y值获取两个单独的列表，而对于手动排序，您需要将它们作为（x，y）对。

Answer 1

实际上，最简单的解决方案是创建一个新列表，该列表是原始列表的过滤后的版本。 当然，最好是使用numpy数组而不是python列表。

因此，假设有两个数组x和y ，您只想将x大于某个数字a那些值拟合到函数f 。 您可以对其进行过滤和curve_fit

x2 = x[x>a]
y2 = y[x>a]
popt2, _ = scipy.optimize.curve_fit(f, x2, y2 )

一个完整的例子：

import numpy as np; np.random.seed(0)
import matplotlib.pyplot as plt
import scipy.optimize

x = np.linspace(-1,3)
y = x**2 + np.random.normal(size=len(x))
f = lambda x, a,b : a* x +b

popt, _ = scipy.optimize.curve_fit(f, x,y, p0=(1,0))

x2 = x[x>0.7]
y2 = y[x>0.7]
popt2, _ = scipy.optimize.curve_fit(f, x2,y2, p0=(1,0))

plt.plot(x,y, marker="o", ls="", ms=4, label="all data")
plt.plot(x, f(x, *popt), color="moccasin", label="fit all data")
plt.plot(x2, f(x2, *popt2),  label="fit filtered data")

plt.legend()
plt.show()

最后要提一下，您还可以使用逻辑运算符连接多个条件，例如x[(x>0.7) & (x<2.5)] 。