使用 scipy.optimize.curve_fit 绘制图形

Question

我在理解optimize.curve_fit函数时遇到问题。 我的拟合函数是幂律。 但我不知道 plot 命令中的第二个值应该是什么？ 首先我们必须调用函数ff(L,v)它会返回给我们拟合线但我们没有调用这个函数。 这个命令是如何工作的，我想知道。

x=Ls
y=Tc
#fitting function
def ff(L,v):
    return L**(-1/v)
pfit,perr=optimize.curve_fit(ff,x,y)
plt.plot(x,...)

Answer 1

plot命令绘制 x 与 y 值，因此您必须根据您定义的函数ff计算相应的 y 值。 由于pfit作为数组返回，因此您必须在调用 fit 函数ff时解压缩这些值。 如果您知道，您有两个系数，当然可以简单地提取它们，如v, k = pfit并使用ff(x, v, k)计算 y 值。 但是，如果稍后将拟合函数更改为L**(-1/v) * k + a呢？ 然后你将不得不重写你的代码。 一种更简单的方法是让 Python 使用*pfit解压缩系数：

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

#define some sample data
x = np.arange(1, 6)
y = np.asarray([100, 37, 18, 3, 1])

#fitting function with more than one parameter to fit
def ff(L, v, k):
    return L**(-1/v) * k

pfit, perr = curve_fit(ff,x,y)
print(pfit)

#plot original data
plt.plot(x, y, "ro", label = "data")
#calculate y-values
y_fit = ff(x, *pfit)
#plot fitted curve
plt.plot(x, y_fit, "b", label = "fit")
plt.legend()
plt.show()

这当然不那么令人印象深刻，拟合曲线看起来一点也不平滑：

为了克服这个问题，我们可能希望创建一个分辨率更高的 x 值范围，并绘制这个范围而不是原始 x 值数据：

x_fit = np.linspace(np.min(x), np.max(x), 1000)
plt.plot(x_fit, ff(x_fit, *pfit), "b", label = "fit")

现在好多了：